SlideShare uses cookies to improve functionality and performance, and to provide you with relevant advertising. If you continue browsing the site, you agree to the use of cookies on this website. See our User Agreement and Privacy Policy.
SlideShare uses cookies to improve functionality and performance, and to provide you with relevant advertising. If you continue browsing the site, you agree to the use of cookies on this website. See our Privacy Policy and User Agreement for details.
Successfully reported this slideshow.
Activate your 14 day free trial to unlock unlimited reading.
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sound media signal processing and its applications
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sound media signal processing and its applications
1.
音響メディア信号処理における
独立成分分析の発展と応用
History of independent component analysis for sound media
signal processing and its applications
総合研究大学院大学情報学専攻複合科学研究科
博士後期課程2年
北村大地
一橋大学大学院国際企業戦略研究科
2016年2月8日
59.
独立成分分析の金融への応用
59
• 株ポートフォリオの研究成果(下記)では,ICAはデータ
の隠れた構造をより直観的に観測する手段として,PCA
を補完できることが示されている
– PCAは2次統計量(分散)と直交性基準
– ICAは高次統計量基準と独立性基準
– 株価の最大限独立な混合(すなわち潜在的要因)を見つけること
ができれば,今後の投資戦略に役立てられるかもしれない
PCAで見つかる基底 ICAで見つかる基底
潜在的な因子の解析
には直交性基準は不
適切
A. D. Back and A. S. Weigend, “A first application of independent component analysis to extracting structure from
stock returns,” Int. J. on Neural Systems, vol. 8, no. 4, pp. 473-484, 1997.
60.
独立成分分析の金融への応用
60
• 同一の小売チェーンに属する数点の現金の流れについ
てICAを適用した例(下記)
– 現金の流れに影響を与える「各店に共通な潜在的要因」を探る
– 各店の現金流出入を時系列データ とする
– 独立成分の混合は瞬時混合(時間遅れのない混合)を仮定
– この場合の「要因(独立成分)」とは,現実的には何だろうか?
• 休日,季節の遷移,年毎の流行等の時間的な変動要因
• 競合する他の店(ライバルチェーン店)や他の商品の商品価格変動
• その他,消費者全体のニーズの変化や購買意欲の変化等
– 要因は全ての店舗に独立に影響するが,各店の販促や宣伝の
違い等から影響の程度は異なる
個の要因(独立成分)が混合され,
店舗の現金流入として観測
独
立
K. Kiviluoto and E. Oja, “Independent component analysis for parallel financial time series,” Proc. Int. Con. on
Neural Information Processing, vol. 2, pp. 895-898, 1998.
66.
独立成分分析の金融への応用
66
• この他,時系列データ予測(為替の値動き等)に用いた
例などもある(下記)
– ICAで推定された独立成分に対して自己回帰モデル(ARモデル)
を適用する
– 独立成分は観測信号よりも少ない情報量で表現されがち
• 値動きの主要な要因のみを用いて自己回帰する方が良い?
– とはいえ,ICAを用いた金融解析はそれほど盛んにもならず
– ディープニューラルネットワークが三度復活し機械学習大ブーム
真っ只中の今となっては枯れたお話に・・・
S. Malaroiu, K. Kiviluoto and E. Oja, “Time series prediction with independent component analysis,” Proc. Int.
Conf. on Advanced Investment Technology, 2000.
ICA+非線形平滑化
円米ドル
ユーロ円
成分1
成分2
この先の値動き
をARで予測
AR
モデル