JP6363663B2 - 人工知能を用いたファンド運用システム - Google Patents
人工知能を用いたファンド運用システム Download PDFInfo
- Publication number
- JP6363663B2 JP6363663B2 JP2016155441A JP2016155441A JP6363663B2 JP 6363663 B2 JP6363663 B2 JP 6363663B2 JP 2016155441 A JP2016155441 A JP 2016155441A JP 2016155441 A JP2016155441 A JP 2016155441A JP 6363663 B2 JP6363663 B2 JP 6363663B2
- Authority
- JP
- Japan
- Prior art keywords
- fund management
- management system
- analysis unit
- market
- asset
- 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.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims description 50
- 238000004458 analytical method Methods 0.000 claims description 86
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013136 deep learning model Methods 0.000 claims description 7
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 description 17
- 238000004088 simulation Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
そこで、本発明は、複数の異なるモデルを用いて市場の動向を解析して資産運用が可能なファンド運用システムの提供を目的とする。
(態様1)市場連動性が比較的低い低市場連動型資産を解析する低市場連動型解析ユニットと、市場連動性が比較的高い高市場連動型資産を解析する高市場連動型解析ユニットと、前記低市場連動型資産及び前記高市場連動型資産を運用するファンド運用ユニットとを備えるファンド運用システムであって、前記高市場連動型解析ユニットは、人工知能(AI)を用いて資産価値に影響を与える要因を学習することにより前記資産価値の変動を予測するAI解析部と、前記資産価値の時間変動から前記資産価値の変動を予測する時間変動解析部とを備えることを特徴とするファンド運用システム。(態様2)態様1に記載のファンド運用システムにおいて、前記高市場連動型解析ユニットは、前記ファンド運用ユニットに対して前記高市場連動型資産の運用を変更するシグナルを出力することを特徴とするファンド運用システム。(態様3)態様1または2に記載のファンド運用システムにおいて、前記AI解析部は、ディープラーニングモデルを実行することを特徴とするファンド運用システム。(態様4)態様3に記載のファンド運用システムにおいて、前記ディープラーニングモデルは、入力層と、複数の中間層と、出力層とを備え、前記資産価値に影響を与える複数の要因が前記入力層に入力されることを特徴とするファンド運用システム。
200 低市場連動型解析ユニット
210 減配リスク解析部
300 高市場連動型解析ユニット
310 AI解析部
320 時間変動解析部
330 ポジション調整部
400 ファンド運用ユニット
Claims (21)
- 市場連動性が比較的低い低市場連動型資産を解析する低市場連動型解析ユニットと、市場連動性が比較的高い高市場連動型資産を解析する高市場連動型解析ユニットと、前記低市場連動型資産及び前記高市場連動型資産を運用するファンド運用ユニットとを備えるファンド運用システムであって、
前記高市場連動型解析ユニットは、人工知能(AI)を用いて資産価値に影響を与える要因を学習することにより前記資産価値の変動を予測するAI解析部と、前記資産価値の時間変動から前記資産価値の変動を予測する時間変動解析部とを備えることを特徴とするファンド運用システム。 - 請求項1に記載のファンド運用システムにおいて、
前記高市場連動型解析ユニットは、前記ファンド運用ユニットに対して前記高市場連動型資産の運用を変更するシグナルを出力することを特徴とするファンド運用システム。 - 請求項1または2に記載のファンド運用システムにおいて、
前記AI解析部は、ディープラーニングモデルを実行することを特徴とするファンド運用システム。 - 請求項3に記載のファンド運用システムにおいて、
前記ディープラーニングモデルは、入力層と、複数の中間層と、出力層とを備え、前記資産価値に影響を与える複数の要因が前記入力層に入力されることを特徴とするファンド運用システム。 - 請求項4に記載のファンド運用システムにおいて、
前記複数の要因は、少なくとも、テクニカル、マクロ、投資家センチメント、需給、他資産動向のいずれかを含むことを特徴とするファンド運用システム。 - 請求項4または5に記載のファンド運用システムにおいて、
前記複数の中間層は、2層以上の中間層であることを特徴とするファンド運用システム。 - 請求項4〜6のいずれか一項に記載のファンド運用システムにおいて、
前記出力層は、将来の資産価値の上下を示すシグナルを出力することを特徴とするファンド運用システム。 - 請求項1〜7のいずれか一項に記載のファンド運用システムにおいて、
前記時間変動解析部は、フラクタルモデルを実行することを特徴とするファンド運用システム。 - 請求項8に記載のファンド運用システムにおいて、
前記時間変動解析部は、前記フラクタルモデルのハースト指数に基づくハースト指数シグナルを生成することを特徴とするファンド運用システム。 - 請求項9に記載のファンド運用システムにおいて、
前記ハースト指数シグナルは、平均回帰の傾向、またはトレンドフォローの傾向を示すシグナルを少なくとも含むことを特徴とするファンド運用システム。 - 請求項1〜10のいずれか一項に記載のファンド運用システムにおいて、
前記高市場連動型解析ユニットは、さらに前記AI解析部及び前記時間変動解析部の解析結果に基づき前記高市場連動型資産の運用ポジションを調整するポジション調整部を備えることを特徴とするファンド運用システム。 - 請求項11に記載のファンド運用システムにおいて、
前記ポジション調整部は、前記時間変動解析部のシグナル及び前記AI解析部のシグナルを組み合わせて、前記運用ポジションを生成することを特徴とするファンド運用システム。 - 請求項11または12に記載のファンド運用システムにおいて、
前記ファンド運用ユニットは、前記ポジション調整部が生成した前記運用ポジションに基づき、前記高市場連動型資産の運用を変更することを特徴とするファンド運用システム。 - 請求項1〜13のいずれか一項に記載のファンド運用システムにおいて、
前記低市場連動型資産の運用は、現物取引と先物取引の組み合わせであることを特徴とするファンド運用システム。 - 請求項1〜14のいずれか一項に記載のファンド運用システムにおいて、
前記高市場連動型資産の運用は、先物取引であることを特徴とするファンド運用システム。 - 請求項15に記載のファンド運用システムにおいて、
前記先物取引は、ヘッジ売りであることを特徴とするファンド運用システム。 - 請求項1〜16のいずれか一項に記載のファンド運用システムにおいて、
前記AI解析部及び前記時間変動解析部の両方が買いシグナルを出力した場合に、前記ファンド運用ユニットが前記高市場連動型資産の買い戻しを実行することを特徴とするファンド運用システム。 - 請求項17に記載のファンド運用システムにおいて、
前記AI解析部及び前記時間変動解析部の一方が買いシグナルを出力した場合に、前記AI解析部及び前記時間変動解析部の両方が買いシグナルを出力した場合に比べて、前記ファンド運用ユニットがより少なく前記高市場連動型資産の買い戻しを実行することを特徴とするファンド運用システム。 - 請求項1〜18のいずれか一項に記載のファンド運用システムにおいて、
前記AI解析部及び前記時間変動解析部の両方が買いシグナルを出力しない場合に、前記ファンド運用ユニットが前記高市場連動型資産の買い戻しを実行しないことを特徴とするファンド運用システム。 - 請求項1〜19のいずれか一項に記載のファンド運用システムにおいて、
前記低市場連動型解析ユニットは、減配リスク算出モデルを実行する減配リスク解析部を備えることを特徴とするファンド運用システム。 - 請求項1〜20のいずれか一項に記載のファンド運用システムにおいて、
前記低市場連動型資産は、現物株式および株価指数先物であることを特徴とするファンド運用システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016155441A JP6363663B2 (ja) | 2016-08-08 | 2016-08-08 | 人工知能を用いたファンド運用システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016155441A JP6363663B2 (ja) | 2016-08-08 | 2016-08-08 | 人工知能を用いたファンド運用システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018025851A JP2018025851A (ja) | 2018-02-15 |
JP6363663B2 true JP6363663B2 (ja) | 2018-07-25 |
Family
ID=61193833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016155441A Active JP6363663B2 (ja) | 2016-08-08 | 2016-08-08 | 人工知能を用いたファンド運用システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6363663B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019246341A1 (en) | 2018-06-21 | 2019-12-26 | Riteband Ab | Current value estimation using machine learning |
CN114036208B (zh) * | 2021-11-09 | 2024-07-30 | 建信金融科技有限责任公司 | 一种模型训练和敏感度分析方法、装置、设备及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0895948A (ja) * | 1994-09-28 | 1996-04-12 | Hitachi Ltd | トレンドに基づく時系列予測方法および装置 |
US7099838B1 (en) * | 2000-03-27 | 2006-08-29 | American Stock Exchange, Llc | Hedging exchange traded mutual funds or other portfolio basket products |
JP2003016282A (ja) * | 2001-07-02 | 2003-01-17 | Make Softwear:Kk | 市場取引支援システムおよび方法 |
US7529703B2 (en) * | 2003-11-18 | 2009-05-05 | Citigroup Global Markets, Inc. | Method and system for artificial neural networks to predict price movements in the financial markets |
JP2009528634A (ja) * | 2006-03-01 | 2009-08-06 | タウンセンド・アナリティクス・リミテッド | リスク管理のための方法およびシステム |
CN101939727A (zh) * | 2007-11-08 | 2011-01-05 | 遗传学金融(巴巴多斯)有限公司 | 执行复杂算法的分布式网络 |
JP3152512U (ja) * | 2009-03-27 | 2009-08-06 | 賢一郎 小林 | 金融証券商品売買意思決定支援装置 |
-
2016
- 2016-08-08 JP JP2016155441A patent/JP6363663B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018025851A (ja) | 2018-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | A study on novel filtering and relationship between input-features and target-vectors in a deep learning model for stock price prediction | |
Mousavi et al. | A novel approach to dynamic portfolio trading system using multitree genetic programming | |
Chen et al. | A study of ANFIS-based multi-factor time series models for forecasting stock index | |
Li et al. | An empirical research on the investment strategy of stock market based on deep reinforcement learning model | |
Syu et al. | Portfolio management system with reinforcement learning | |
Iuhasz et al. | Neural network predictions of stock price fluctuations | |
JP6363663B2 (ja) | 人工知能を用いたファンド運用システム | |
Massahi et al. | A deep Q-learning based algorithmic trading system for commodity futures markets | |
Yan et al. | Enhanced Bollinger Band Stock Quantitative Trading Strategy Based on Random Forest | |
Kordos et al. | A new approach to neural network based stock trading strategy | |
Zhang et al. | A hybrid forecasting model based on deep learning feature extraction and statistical arbitrage methods for stock trading strategies | |
Haider et al. | Predictive market making via machine learning | |
Paluch et al. | The influence of using fractal analysis in hybrid MLP model for short-term forecast of close prices on Warsaw Stock Exchange | |
Peng et al. | Automated cryptocurrency trading bot implementing DRL | |
Patalay et al. | Stock price prediction and portfolio selection using artificial intelligence | |
Ye et al. | Optimal trade execution based on deep deterministic policy gradient | |
Asodekar et al. | Deep reinforcement learning for automated stock trading: Inclusion of short selling | |
Chen et al. | Dynamic physical behavior analysis for financial trading decision support [application notes] | |
Shahpazov et al. | Artificial intelligence neural networks applications in forecasting financial markets and stock prices | |
Wang | Time series neural network systems in stock index forecasting | |
Manjunath et al. | A review of stock market analysis approaches and forecasting techniques | |
Rather | Computational intelligence based hybrid approach for forecasting currency exchange rate | |
Chavan et al. | Intelligent Investment Portfolio Management using Time-Series Analytics and Deep Reinforcement Learning | |
Fister et al. | Online long short-term memory network for stock trading | |
Gómez-Martínez et al. | Quantitative Trading Using Artificial Intelligence on Trend-Following Indicators: An Example in 2020 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180525 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180612 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180628 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6363663 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |