JP2013088910A - ポートフォリオ作成装置、方法、およびプログラム - Google Patents

ポートフォリオ作成装置、方法、およびプログラム Download PDF

Info

Publication number
JP2013088910A
JP2013088910A JP2011226855A JP2011226855A JP2013088910A JP 2013088910 A JP2013088910 A JP 2013088910A JP 2011226855 A JP2011226855 A JP 2011226855A JP 2011226855 A JP2011226855 A JP 2011226855A JP 2013088910 A JP2013088910 A JP 2013088910A
Authority
JP
Japan
Prior art keywords
portfolio
trading
financial product
buying
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2011226855A
Other languages
English (en)
Inventor
Akihiro Kawasaki
章弘 川▲崎▼
Sakae Omachi
栄 大町
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to JP2011226855A priority Critical patent/JP2013088910A/ja
Publication of JP2013088910A publication Critical patent/JP2013088910A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

【課題】利益率の高いポートフォリオを作成することができるようにする。
【解決手段】売買ゾーン判定部１２０、および売買タイミング判定部１３０が、複数の金融商品の価格の時系列データから、それぞれ各金融商品の売買実行タイミングを判定し、最適ポートフォリオ作成部１５０が、判定した売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出し、累計期間損益の変化率から平均収益率および標準偏差を算出し、その平均収益率および標準偏差からシャープレシオを算出し、各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出する。
【選択図】図１

Description

本発明は、ポートフォリオ作成装置、方法、およびプログラムに関し、特に金融商品を売買するためのポートフォリオを作成するポートフォリオ作成装置、方法、およびプログラムに関する。
従来から株式売買注文などの執行などを自答で行うシステムが提案されている（たとえば、特許文献１参照）。また、その株式売買にあたって当該売買に用いるポートフォリオを自動で作成するシステムも提案されている（たとえば、特許文献２参照）。
特開２００１−１５５０８６号公報 特開２００２−６３３５７号公報
しかし、従来のシステムにおいては未だポートフォリオの精度が低く、当該システムによる売買によっては一定以上の利益率を上げることができないという問題があった。
本発明はこのような点に鑑みてなされたものであり、利益率の高いポートフォリオを作成することができるポートフォリオ作成装置、方法、およびプログラムを提供することを目的とする。
本発明では上記問題を解決するために、金融商品を売買するためのポートフォリオを作成するポートフォリオ作成装置において、複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定する売買実行タイミング判定手段と、前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出する累計期間損益算出手段と、累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出するシャープレシオ算出手段と、各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出するポートフォリオ構成手段とを備えることを特徴とするポートフォリオ作成装置が提供される。
これにより、売買実行タイミング判定手段が、複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定し、累計期間損益算出手段が、前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出し、シャープレシオ算出手段が、累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出し、ポートフォリオ構成手段が、各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出する。
また、本発明では、金融商品を売買するためのポートフォリオを作成するポートフォリオ作成方法において、売買実行タイミング判定手段が、複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定するステップと、累計期間損益算出手段が、前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出するステップと、シャープレシオ算出手段が、累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出するステップと、ポートフォリオ構成手段が、各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出するステップとを含むことを特徴とするポートフォリオ作成方法が提供される。
これにより、売買実行タイミング判定手段が、複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定し、累計期間損益算出手段が、前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出し、シャープレシオ算出手段が、累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出し、ポートフォリオ構成手段が、各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出する。
また、本発明では、金融商品を売買するためのポートフォリオを作成するポートフォリオ作成プログラムにおいて、コンピュータを、複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定する売買実行タイミング判定手段、前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出する累計期間損益算出手段、累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出するシャープレシオ算出手段、および各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出するポートフォリオ構成手段として機能させることを特徴とするポートフォリオ作成プログラムが提供される。
これにより、売買実行タイミング判定手段が、複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定し、累計期間損益算出手段が、前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出し、シャープレシオ算出手段が、累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出し、ポートフォリオ構成手段が、各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出する。
本発明のポートフォリオ作成装置、方法、およびプログラムによれば、累計期間損益の変化率から平均収益率および標準偏差を算出し、算出した平均収益率および標準偏差からシャープレシオを算出し、算出した各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出するので、各日の終値の変化率に基づいて算出される収益率を基礎にしたポートフォリオを作成するときに比べて利益率の高いポートフォリオを作成することができる。
本実施の形態のポートフォリオ作成装置の構成を示す図である。 データ取込部の構成を詳細に示した図である。 売買ゾーン判定部の構成を詳細に示した図である。 売買タイミング判定部の構成を詳細に示した図である。 売買実行判定部１４０の構成を詳細に示した図である。 最適ポートフォリオ作成部の構成を詳細に示した図である。 ポートフォリオ作成装置が行うＭＶＧＰＣ処理を示すフローチャートである。 売買ゾーン判定部が分割した学習データ、検証データ、および予測結果を示す図である。 売買ゾーン判定部が行う売買ゾーン判定に係るデータを示す図である。 教師信号付与部が行う教師信号付与に係るデータを示す図である。 判別モデル式算出部が算出した判別モデル式に係るデータを示す図である。 売買タイミング判定処理部が行う売買タイミング判定に係るデータを示す図である。 一致判定部が行う一致判定に係るデータを示す図である。 期間損益計算部が行う期間損益計算に係るデータを示す図である。 シャープレシオ算出部が行うシャープレシオ算出に係るデータを示す図である。
以下、本発明の実施の形態を図面を参照して詳細に説明する。
図１は、本実施の形態のポートフォリオ作成装置の構成を示す図である。
図１に示すように、ポートフォリオ作成装置１００は、データ取込部１１０、売買ゾーン判定部１２０、売買タイミング判定部１３０、売買実行判定部１４０、および最適ポートフォリオ作成部１５０を備えている。
データ取込部１１０は、データ系列１〜ｎまでのデータを、ポートフォリオ作成装置１００により要求される周期および期間長さの取引時系列過去データを外部システムから取り込み、取り込んだデータを学習期間と検証期間に分割する。さらに、テクニカル指標で代表される特徴量に変換する。なお、データ系列１〜ｎのデータ系列とはポートフォリオを構成する売買対象であり、たとえばＵＳＤ／ＪＰＹの為替データや、金などの貴金属の価格データ、および各国の株価データなどである。
売買ゾーン判定部１２０は、学習期間に関する非線形時系列予測モデル式を求める。この非線形時系列予測モデル式を検証期間に適用し、検証期間の各時点における売買を判定する。この判定では、Ｓｔｒｏｇａｎｏｆｆ（Structured Representation On Genetic Algorithm for Non-linear
Function Fitting）処理（以下、ストロガノフ処理という。）を実行する。
売買タイミング判定部１３０は、学習期間に関する売買の教師信号を付与する。そして学習期間内の特徴量から、同期間内の教師信号を判別するための判別モデル式を求める。さらに、検証期間に対して、算出した判別モデル式を用いて各時点の売買を判定する。この判定では、ＭＶＧＰＣ（Majority Voting Genetic Programming Classifier）処理を実行する。
売買実行判定部１４０は、検証期間に対して、売買ゾーン判定部１２０が出力する売買ゾーン判定結果と、売買タイミング判定部１３０が出力する売買タイミング判定結果とを照合し、双方が一致する判定結果だけを最終判定とする。そして、検証期間に対して、最終判定結果に基づいて売買を実行した場合の損益を算出する。売買実行判定部１４０が行う処理を売買実行判定処理という。
最適ポートフォリオ作成部１５０は、同一期間の複数のデータ系列について、売買実行判定処理までを実行し、検証期間における損益率をそれぞれ算出する。この算出して得た複数のデータ系列ごとの損益率に基づき、損益率と標準偏差からシャープレシオを得る。シャープレシオを適合度関数として、最適構成比を求める。そして、算出した最適構成比のポートフォリオを作成する。
以下、この構成図で示した各処理部の内容を詳細に説明する。
図２は、データ取込部の構成を詳細に示した図である。
図２に示すように、データ取込部１１０は、期間データ抽出部１１１、特徴量抽出部１１２、期間分割部１１３、学習期間記憶部１１４、および検証期間記憶部１１５を備えている。
期間データ抽出部１１１は、外部のデータベースなどから得られる取引データにおける過去のデータについて所定の期間分を抽出する。
特徴量抽出部１１２は、複数種類の時系列データの１期前差分や正規化などの前処理加工データやテクニカル指標を特徴量時系列データとして算出する。
期間分割部１１３は、特徴量時系列データを、学習期間と検証期間の２つの時系列期間に分割する。
学習期間記憶部１１４は、学習期間における特徴量の時系列データを記憶する。
検証期間記憶部１１５は、検証期間における特徴量の時系列データを記憶する。
図３は、売買ゾーン判定部の構成を詳細に示した図である。
図３に示すように、売買ゾーン判定部１２０は、非線形時系列予測モデル式算出部１２１、非線形時系列予測モデル式記憶部１２２、および売買ゾーン判定処理部１２３を備えている。
非線形時系列予測モデル式算出部１２１は、学習期間記憶部１１４に記憶された特徴量時系列データを読み出し、非線形時系列予測モデル式を複数算出する。そして、算出した複数の非線形時系列予測モデル式のうち、最適と判断した非線形時系列予測モデル式を非線形時系列予測モデル式記憶部１２２に記憶する
具体的には、非線形時系列予測モデル式算出部１２１は、以下の式（１）を１ユニットとして、複数ユニットを階層的に連結した式を遺伝的プログラム（ＧＰ：Genetic Programming）で解くことによって非線形時系列予測モデル式を算出し、非線形時系列予測モデル式記憶部１２２に記憶する。
Ｇ（ｚ１，ｚ２）＝ａ０＋ａ１ｚ１＋ａ２ｚ２＋ａ３ｚ１ｚ２＋ａ４ｚ１ ２＋ａ５ｚ２ ２………（１）
売買ゾーン判定処理部１２３は、非線形時系列予測モデル式記憶部１２２に記憶されている非線形時系列予測モデル式を用いて、検証期間の特徴量時系列データについて各時点での売買の判定を行う。
図４は、売買タイミング判定部の構成を詳細に示した図である。
図４に示すように、売買タイミング判定部１３０は、教師信号付与部１３１、判別モデル式算出部１３２、判別モデル式記憶部１３３、および売買タイミング判定処理部１３４を備えている。
教師信号付与部１３１は、学習期間記憶部１１４に記憶されている学習期間の特徴量時系列データに対して、決められた判定基準に従って売買の有無を求める。
判別モデル式算出部１３２は、学習期間の特徴量時系列データと、これに付与された売買教師信号を読み出し、判別モデル式を求める。この判別モデル式の算出にあたっては、特徴量時系列データから最もよく教師信号を導くことができるような式を求める。判別モデル式算出部１３２は、求めた判別モデル式を判別モデル式記憶部１３３へ記憶する。
売買タイミング判定処理部１３４は、判別モデル式記憶部１３３に記憶されている判別モデル式を読み出し、検証期間記憶部１１５に記憶されている特徴量時系列データに対して、読み出した判別モデル式を適用することによって、各時点での売買判定を行う。
図５は、売買実行判定部１４０の構成を詳細に示した図である。
図５に示すように、売買実行判定部１４０は、一致判定部１４１、期間損益計算部１４２、および期間損益記憶部１４３を備えている。
一致判定部１４１は、検証期間における特徴量時系列データに対する、売買ゾーン判定部１２０、および売買タイミング判定部１３０の判定結果を照合し、一致している場合を最終的な売買判定とする。
期間損益計算部１４２は、一致判定に基づく売買判定によって、検証期間における損益を計算し、計算結果を期間損益記憶部１４３に記憶する。
図６は、最適ポートフォリオ作成部の構成を詳細に示した図である。
図６に示すように、最適ポートフォリオ作成部１５０は、シャープレシオ算出部１５１、および最適比率算出部１５２を備えている。
シャープレシオ算出部１５１は、期間損益記憶部１４３に記憶されている、データ系列１〜ｎの各期間損益データに対しての投資収益率と標準偏差を求める。そして、投資収益率をリターン、標準偏差をリスクとしてシャープレシオを算出する。
最適比率算出部１５２は、期間損益記憶部１４３に記憶されている、データ系列１〜ｎの複数の期間損益データから、シャープレシオ算出部１５１が算出したシャープレシオの値を適合度として、ポートフォリオを構成するに当たって最適な組み合わせ比率を求める。
図７は、ポートフォリオ作成装置が行うＭＶＧＰＣ処理を示すフローチャートである。
ポートフォリオ作成装置１００は、分析時系列データを読み込むと、読み込んだ分析時系列データを入力として（ステップＳ１１）、ルールを作成し（ステップＳ１２）、より多くの度数で選択された遺伝子を得るためのルール分析を行う（ステップＳ１３）。そして、ルールを適用して投資タイミングの決定とパフォーマンスの測定を行う（ステップＳ１４）。
ステップＳ１２に示すルールの作成は、特徴量の分だけ繰り返され、詳細はステップＳ２１〜２４に表される。具体的には、データ取込部１１０は、取引時系列過去データを学習期間と検証期間という相互に相容れないデータに分割する（ステップＳ２１）。そして、売買タイミング判定部１３０は、トレーニングデータ（学習期間のデータ）でＧＰ（遺伝的プログラミング）を稼働し、最良の分類ルールを得る（ステップＳ２２）。売買タイミング判定部１３０は、すべてのルールが作成されたかを判断し、すべてのルールが作成されるまで処理を繰り返す（ステップＳ２３）。すべてのルールが作成されると、テストの正確さを得るためにテストデータ（検証期間のデータ）を用いて多数決技術を適用する（ステップＳ２４）。
ステップＳ２２に示すＧＰの処理はステップＳ３１〜４２に示す。具体的には、売買タイミング判定部１３０は、Ｓ式（ルール）の初期世代を生成し（ステップＳ３１）、生成したＳ式を評価する（ステップＳ３２）。売買タイミング判定部１３０は、評価が終了したときは最良の分類ルールが取得できたと判断できる（ステップＳ３３〜３４）。一方で、評価が終了できないときは、一定確率Ｐｒで両親の選択を行い、確率１−Ｐｒで適合度を基礎にした２つの両親を選択する（ステップＳ３３，３５，３６）。
売買タイミング判定部１３０は、ステップＳ３５で両親を選択したとき、子供のプールに追加する（ステップＳ４０）。一方で、適合度を基礎とした２つの両親を選択したときは、確率Ｐｃによる交差を適用し（ステップＳ３７）、確率Ｐｍによる突然変異を適用し（ステップＳ３８）、新しい子供を評価する（ステップＳ３９）。
売買タイミング判定部１３０は、すべての子供が作られたか否かを判断し（ステップ４１）、すべての子供が作られていないときは処理を繰り返す（ステップＳ３５〜４０）。一方で、すべての子供が作られたと判断したときは（ステップＳ４１）、再生方針による新しい世代を作成する（ステップＳ４２）。
以下、上述の構成で処理を行うときのデータ例、および処理後のデータ例を示す。図８〜１５までに示すデータはＵＳＤＪＰＹの値動きを例としている。
図８は、売買ゾーン判定部が分割した学習データ、検証データ、および予測結果を示す図である。
図８に示すように、本実施の形態においては、２００６．８．２４〜２００６．１０．６までの約１ヶ月半の期間を学習期間としている。また、２００９．５．１〜２００９．６．７までの１ヶ月強の期間を検証期間としている。この学習期間と検証期間によって算出された２００６．８．２４〜１０．６の各日の終値予測値が予測結果として示している。
売買ゾーン判定部１２０は、学習データを用いてストロガノフ処理を行うことにより１期先の日次予測を行う。また、検証データを用いてモデルの過剰当てはめ（オーバーフィッティング）を検証する。
図９は、売買ゾーン判定部が行う売買ゾーン判定に係るデータを示す図である。
図９に示すように、売買ゾーン判定部１２０は、時間データと日足予測データの比較により買い（コード１）、売り（コード２）、もしくは見送り（コード０）を判断する。たとえば、２０１１．９．２５ ２１：１５においては、高値・安値・終値実績と日足終値予測との差分がプラスとマイナスで混在しているため見送りを示すコードを０に設定する。
一方で、２０１１．９．２５ ２３：１５においては、日足終値予測が７６．５０６９７１６３であり、高値・安値・終値実績と予測数値との差分がすべてプラスのため売りを示すコードを２に設定する。また、２０１１．９．２６ ２：００においては、日足終値予測が７６．５８５３１７４９であり、高値・安値・終値実績と予測数値との差分がすべてマイナスのため買いを示すコードを１に設定する。
図１０は、教師信号付与部が行う教師信号付与に係るデータを示す図である。
図１０に示すように、教師信号付与部１３１は、日々の高値・安値を教師信号としている。この教師付信号は、各日の終値における最高値をつけた時間に売りを示す２を設定し、最安値をつけた時間に買いを示す１を設定し、その他の時間に見送りを示す０を設定する。特徴量は単純平均＋ＤＩ以下に示す３４種類のテクニカルチャートである。
図１１は、判別モデル式算出部が算出した判別モデル式に係るデータを示す図である。
図１１に示すように、判別モデル式算出部１３２は、教師付信号とテクニカルチャート指標を用いて分類化技法（ＭＶＧＰＣ）によって売買タイミングを判定するためのルールを作成する。
Ｃｌａｓｓ０は見送りを示すコードで０に設定されており、Ｃｌａｓｓ１は買いを示すコードで１に設定されており、Ｃｌａｓｓ２は売りを示すコードで２に設定されている。
各クラスのルールは、図１１に示すＣｌａｓｓ０、Ｃｌａｓｓ１、およびＣｌａｓｓ２以下に示す１０個の式のことであり、１０回の繰り返し計算を行う。ここで、ルール式内のＸはチャート指標の種類を示している。
図１２は、売買タイミング判定処理部が行う売買タイミング判定に係るデータを示す図である。
図１２に示すように、売買タイミング判定処理部１３４は、１０回の多数決で売買タイミングを判定する。具体的には、各回でＣｌａｓｓ１に１が設定されているときは、売り買いを示すＳＢには買いを示す１が設定され、Ｃｌａｓｓ２に１が設定されているときは、ＳＢには売りを示す２が設定され、Ｃｌａｓｓ１にもＣｌａｓｓ２にもコードが設定されていないときは、ＳＢには見送りを示す０が設定される。そして、各回のＳＢの多数決を採用し、最終的なその日時の売り買いを判定する。
図１３は、一致判定部が行う一致判定に係るデータを示す図である。
図１３に示すように、２０１１．１．２ ２２：１５、２０１１．１．３ ００：００、および２０１１．１．３ ５：００の３つの日時において売買ゾーン判定部１２０の判断と、売買タイミング判定部１３０の判断が一致している。このとき、一致判定部１４１は、売買ゾーン判定部１２０の判断と、売買タイミング判定部１３０の判断が一致している日時において、一致している売り買いの内容を売買の判定とする。
図１３に示す例においては、２０１１．１．２ ２３：１５において、売買ゾーン判定部１２０の判断は買いを示す１に設定されており、かつ売買タイミング判定部１３０の判断も買いを示す１に設定されているので、一致判定部１４１は、この日時に買いと判定する。
図１４は、期間損益計算部が行う期間損益計算に係るデータを示す図である。
図１４に示すように、売買に基づいて損益が計算される。図１４に示す表の各項目は、ＺＯＮＥの欄には売買ゾーン判定部１２０の判定結果が設定され、ＳＢの欄には売買タイミング判定部１３０の判定結果が設定される。また、Ｓｉｇｎの欄には売買ゾーン判定部１２０の判定結果において売りのゾーンであるときはｓが設定され、買いのゾーンであるときはｂが設定される。さらに、ＢｏｒＳの欄には売買ゾーン判定部１２０の判定結果と、売買タイミング判定部１３０の判定結果が一致したときに、その判定結果が売りのときｓと設定され、買いのときｂが設定され、決済をしたときはｃｌｏｓｅと設定される。
エントリーの欄にはレート、ｐｏｓ、および平均の欄が設けられ、レートの欄には終値の値段が設定され、ｐｏｓの欄にはポジションが設定される。ポジションはプラスの数で買いのポジション数が設定され、マイナスの数で売りのポジション数が設定され、ｃｌｏｓｅで売り買いのポジション合計値が設定される。また、平均の欄には終値による売りと買いの総ポジションの平均価格が設定される。
売買損益の欄には損益、コスト、実損益、累積、およびピークの欄が設けられ、損益の欄には終値ベースでの売買損益が設定され、コストの欄にはスプレッドをポジション数で乗じた数値が設定され、実損益の欄には損益からコストを減じた数値が設定される。また、累積の欄には実損益を累計した数値が設定され、ピークの欄には累計の過去の最大数値が設定される。さらに、ドローダウンの欄にはある期間の損益の目減り率が設定され、Ｅｑｕｉｔｙの欄には現在の市場価格から算出されたポジションの評価損益が設定される。
図１５は、シャープレシオ算出部が行うシャープレシオ算出に係るデータを示す図である。
図１５に示すように、シャープレシオ算出部１５１は、期間損益記憶部１４３に記憶されている期間損益データを読み出すと、平均収益率と標準偏差を算出し、平均収益率をリターン、標準偏差をリスクとしてシャープレシオを算出する。
従来のシステムトレード装置においては、各日の終値等を記憶しておきその変化率から平均収益率と標準偏差を算出し、平均収益率をリターン、標準偏差をリスクとしてシャープレシオを算出していた。しかし、図１５からも明らかなように、両者には明らかに差が生じる。図１５の例で言えば、終値を用いて計算した平均収益率はマイナスになっているが、累計期間損益を用いて計算した平均収益率はプラスである。つまり、本来着目すべき累計でマイナスになるかプラスになるかを指標とすることによって、より正確なトレーディングをすることが可能となる。また、最適比率算出部１５２が行う、シャープレシオ算出部１５１が算出するシャープレシオに基づいてポートフォリオの最適構成比の計算においても従来の２次計画法（ＱＰ）ではなく遺伝的プログラミング（ＭＴＧＡ）を用いる。これは従来の手法のように微分可能性や勾配計算を前提とすると計算不能部分が生じてしまう可能性があり、遺伝的プログラミングによれば当該部分も計算が可能であるからである。なお、適合関数（目標とする比率）は、対象期間のシャープレシオを最大化する構成比である。
なお、上記の処理機能は、コンピュータによって実現することができる。その場合、ポートフォリオ作成装置が有すべき機能の処理内容を記述したポートフォリオ作成プログラムが提供される。そのポートフォリオ作成プログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したポートフォリオ作成プログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリなどがある。磁気記録装置には、ＨＤＤ、ＦＤ、磁気テープなどがある。光ディスクには、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ−ＲＡＭ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ（Recordable）／ＲＷ（ReWritable）などがある。光磁気記録装置には、ＭＯ（Magneto
Optical disk）などがある。
ポートフォリオ作成プログラムを流通させる場合には、たとえば、そのポートフォリオ作成プログラムが記録されたＤＶＤ、ＣＤ−ＲＯＭなどの可搬型記録媒体が販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのポートフォリオ作成プログラムを転送することもできる。
ポートフォリオ作成プログラムを実行するコンピュータは、たとえば、可搬型記録媒体に記録されたポートフォリオ作成プログラムもしくはサーバコンピュータから転送されたポートフォリオ作成プログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からポートフォリオ作成プログラムを読み取り、ポートフォリオ作成プログラムに従った処理を実行する。なお、コンピュータは、可搬型記録媒体から直接ポートフォリオ作成プログラムを読み取り、そのポートフォリオ作成プログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからポートフォリオ作成プログラムが転送される毎に、逐次、受け取ったポートフォリオ作成プログラムに従った処理を実行することもできる。
なお、本発明は、上述の実施の形態にのみ限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変更を加えることができる。
上記については単に本発明の原理を示すものである。さらに、多数の変形、変更が当業者にとって可能であり、本発明は上記に示し、説明した正確な構成および応用例に限定されるものではなく、対応するすべての変形例および均等物は、添付の請求項およびその均等物による本発明の範囲とみなされる。
１００ ポートフォリオ作成装置
１１０ データ取込部
１１１ 期間データ抽出部
１１２ 特徴量抽出部
１１３ 期間分割部
１１４ 学習期間記憶部
１１５ 検証期間記憶部
１２０ 売買ゾーン判定部
１２１ 非線形時系列予測モデル式算出部
１２２ 非線形時系列予測モデル式記憶部
１２３ 売買ゾーン判定処理部
１３０ 売買タイミング判定部
１３１ 教師信号付与部
１３２ 判別モデル式算出部
１３３ 判別モデル式記憶部
１３４ 売買タイミング判定処理部
１４０ 売買実行判定部
１４１ 一致判定部
１４２ 期間損益計算部
１４３ 期間損益記憶部
１５０ 最適ポートフォリオ作成部
１５１ シャープレシオ算出部
１５２ 最適比率算出部

Claims (6)

  1. 金融商品を売買するためのポートフォリオを作成するポートフォリオ作成装置において、
    複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定する売買実行タイミング判定手段と、
    前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出する累計期間損益算出手段と、
    累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出するシャープレシオ算出手段と、
    各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出するポートフォリオ構成手段と、
    を備えることを特徴とするポートフォリオ作成装置。
  2. 前記売買実行タイミング判定手段は、
    遺伝的プログラミングによってタイミングを判定する複数の判定手段を備え、
    前記複数の手段の売買タイミング判定が一致しているときに売買実行タイミングであると判定することを特徴とする請求項１記載のポートフォリオ作成装置。
  3. 前記複数の判定手段は、
    ストロガノフ処理を実行するストロガノフ処理手段と、
    ＭＶＧＰＣ処理を実行するＭＶＧＰＣ処理手段と、
    からなることを特徴とする請求項２記載のポートフォリオ作成装置。
  4. 前記ポートフォリオ構成手段は、
    遺伝的プログラミングによってシャープレシオが最大化するように各金融商品の構成比を算出することを特徴とする請求項１記載のポートフォリオ作成装置。
  5. 金融商品を売買するためのポートフォリオを作成するポートフォリオ作成方法において、
    売買実行タイミング判定手段が、複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定するステップと、
    累計期間損益算出手段が、前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出するステップと、
    シャープレシオ算出手段が、累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出するステップと、
    ポートフォリオ構成手段が、各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出するステップと、
    を含むことを特徴とするポートフォリオ作成方法。
  6. 金融商品を売買するためのポートフォリオを作成するポートフォリオ作成プログラムにおいて、
    コンピュータを、
    複数の金融商品の価格の時系列データから、各金融商品の売買実行タイミングを判定する売買実行タイミング判定手段、
    前記売買実行タイミングで売買したときに、各金融商品の売買によって得られる累計期間損益を算出する累計期間損益算出手段、
    累計期間損益の変化率から平均収益率および標準偏差を算出し、前記平均収益率および標準偏差からシャープレシオを算出するシャープレシオ算出手段、および
    各金融商品のシャープレシオに基づいて、シャープレシオが最大化するように各金融商品の構成比を算出するポートフォリオ構成手段、
    として機能させることを特徴とするポートフォリオ作成プログラム。
JP2011226855A 2011-10-14 2011-10-14 ポートフォリオ作成装置、方法、およびプログラム Pending JP2013088910A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2011226855A JP2013088910A (ja) 2011-10-14 2011-10-14 ポートフォリオ作成装置、方法、およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2011226855A JP2013088910A (ja) 2011-10-14 2011-10-14 ポートフォリオ作成装置、方法、およびプログラム

Publications (1)

Publication Number Publication Date
JP2013088910A true JP2013088910A (ja) 2013-05-13

Family

ID=48532788

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011226855A Pending JP2013088910A (ja) 2011-10-14 2011-10-14 ポートフォリオ作成装置、方法、およびプログラム

Country Status (1)

Country Link
JP (1) JP2013088910A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023138035A (ja) * 2022-03-18 2023-09-29 ヤフー株式会社 提供装置、提供方法および提供プログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023138035A (ja) * 2022-03-18 2023-09-29 ヤフー株式会社 提供装置、提供方法および提供プログラム
JP7494239B2 (ja) 2022-03-18 2024-06-03 Ｌｉｎｅヤフー株式会社 提供装置、提供方法および提供プログラム

Similar Documents

Publication Publication Date Title
Grimm et al. Barriers to entry and returns to capital in informal activities: evidence from sub‐Saharan Africa
Wiles et al. The effect of brand acquisition and disposal on stock returns
Rappaport et al. Expectations investing: Reading stock prices for better returns
WO2006004132A1 (ja) 企業評価寄与因子及び／又は指標特定装置、特定プログラム並びに特定方法
US20060178963A1 (en) Enterprise value evaluation device and enterprise value evaluation program
WO2007106475A2 (en) Method and system for generating an index of securities
Sheikh Implementing analytics: A blueprint for design, development, and adoption
KR20230122525A (ko) 외부 데이터를 고려한 신용 평가 방법 및 이러한 방법을 수행하는 장치
KR20230122524A (ko) 이커머스 솔루션의 구매, 판매,　재고,　물류,　유통,　정산 과정에서 발생하는　엔드 투 엔드 데이터 기반의 신용 평가 방법 및 이러한 방법을 수행하는 장치
CN116308599A (zh) 基于产品标签与客户标签的理财产品智能推荐方法和装置
Harris et al. R&D investments and strategic use of financial models
Zhou et al. A two-stage credit scoring model based on random forest: Evidence from Chinese small firms
KR101729714B1 (ko) 기술 가치 평가 장치, 방법 및 이를 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록매체
Lucic et al. Performance of the autoregressive integrated moving average model with exogenous variables statistical model on the intraday market for the Denmark-West bidding area
KR20240002900A (ko) 데이터 이코노미에서 금융 데이터 가치 측정 방법 및 이러한 방법을 수행하는 장치
KR102464994B1 (ko) Wms의 이커머스 물류 이동 프로세스에서 발생하는 데이터 기반의 신용 평가 방법 및 이러한 방법을 수행하는 장치
KR20230122522A (ko) Oms 상에서 온라인 판매자 및 소비자 간 발생하는 주문 데이터 기반의 신용 평가 방법 및 이러한 방법을 수행하는 장치
Ofoegbu A comparison of four machine learning algorithms to predict product sales in a retail store
JP2013088910A (ja) ポートフォリオ作成装置、方法、およびプログラム
KR20230109069A (ko) 이커머스 판매 및 유통 관리 시스템 플랫폼 취합 데이터를 기반으로 한 신용 평가 방법 및 이러한 방법을 수행하는 장치
US20210256509A1 (en) Planning currency exchange transactions based on international travel budgeting information
JP2008065750A (ja) 融資額算出方法及び融資額算出システム
Krasyuk et al. Fundamental Concepts of Building a Marketing-Oriented Business Model of Retail Structures' Innovative Development
Brokemper et al. Maximizing the Impact of M&A Controlling: Due Diligence’s Link to Corporate Values. Practical Experience from the Consumer Goods Industry
Fan Feasibility Study of LEGO as a New Type of Investment