JPH0287261A - 相場予測装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、短１す１的な相場の動きを予測する必要性の
ある投資業界、特に、株の売り買いにより利鞘を稼ぐ証
券業界において使用される相場予測装置に関するもので
ある。

（従来の技術］ 株の予測を例に取って説明する。従来から、株価を予測
するには、株価の変化をグラフで表示し、グラフに現れ
た値動きのパタンから相場の動きを解釈し、相場を予測
する手法は広（用いられている。「ローソク足」と呼ば
れるグラフを第２図の（８１図に、相場の解釈の仕方を
同図の（ｂ１図に示す（開本　博「ケイ線の見方」日本
経済新聞社Ｐ４３（昭和６０年８月２６日第６刷））。

グラフ化の手法やグラフの注目すべき点、相場の解釈の
仕方は種々の方法があり、−Ｓ的には経験豊かな相場師
が相場変化の経験側に照らし合わせて予測を行っている
。

また、エキスパートシステム１でこの予測を行おうとい
う試みも行われている（第３図）。エキスパートシステ
ム１で予測を行う場合は、予め相場の解釈の仕方や相場
変化の経験則を知識データベース２としてエキスパート
システム１に入力しておく。知識とは、例えば「長い腸
線　ならば騰勢が強い」、「上かげ線が続いた　ならば
　売り勢力が強い」、「売り勢力が強い　ならば　相場
は下がる」なとの規則として表現し入力しておく。

エキスパートシステム１で相場を予測するには、現在ま
での相場の変化を入力３としてパラメータ抽出手段４に
入れる。パラメータ抽出手段４は、数値データを相場予
測に便利な指標（パラメータ）に変換する（たとえば「
長い腸線」など）。

そして、エキスパートシステム１は推論エンジン５を用
いて人力３から得られた指標に適用できる規則を知識デ
ータベース２から捜し出して逐次適用し、「相場は上が
る」あるいは「相場は下がる」という相場予測の結論を
導き出す。

（発明が解決しようとする課題〕 エキスパートシステムで相場予測を行う場合の問題点は
以下の通りである。

（１）知識抽出の困難さ エキスパートシステムの知識データヘースを構築する際
、すべ−この知識を明文化して入力する必要がある。と
ころが、相場の変化の経験則は数が多く、相場師から「
すべで」の知識を開き出すことは不可能な場合が多い。

また、経験則の中には、グラフが見た目に「大きい」か
「小さい」かという判断があり、これらの曖昧な判断は
、数値化が困難で、−船釣なエキスパートシステムでは
扱いにくい。

（２）処理速度 多数の種類の株の売り買いを行うには、一つの銘柄に対
する判断を極く短時間で行わないと、相場の変化に予測
速度が追い付かない。ところが、エキスパートシステム
は知識データベースの中から規則を総当たり的に取り出
し、順次適用を試みることで推論を進める。本質的には
、逐次処理が必要な点で処理速度の向上には壁がある。

この発明は、以上のごとき問題点を解決することを目的
とする。

〔課題を解決するための手段］ 上記の目的を達成するために、この発明は第１図に示す
ように、相場パタン化手段２１とニューロコンピュータ
２２により相場予測装置を構成する。相場パタン化手段
２１は価格正規化機能と時間正規化機能のいずれか、ま
たはその両方のＪａ能を有する。過去の相場の変化を相
場パタン化手段２１により、価格の正規化または時間の
正規化を行い、ニューロコンビエータ２２により、今後
の相場の変化を予測するという手段を採用した。

上記の相場パタン化手段２１として、相場の変化を時間
軸と価格軸の２次元で表現する手段を採用することもで
きる。

〔作用〕

過去の相場の値を相場パタン化手段２１に人力すること
により、相場パタン手段２１は相場の変化をパタン化す
る。ニューロコンピュータ２２は、過去の相場変化のパ
タンから将来の相場の変化を予想し、出力する。

（実施例） 相場変化を捧足を用いてパタン化する場合を説明する。

捧足とは、−日、−週間、または−ケ月など一定期間の
高値から安値までの間を棒線で示したもので（開本　博
、前掲書Ｐ３４）、第４図に例を示す。第４図において
横軸は時間を示しており、一つの刻みは一週間を示して
いる。纒軸は対数を取った株価である。高値の株の値動
きの幅も、安値の株の値動きの幅も、値段に比べて相対
的に大きいか小さいかが同一尺度で比較することができ
る。

ニューロコンピュータで株価を予想する場合、ニューロ
コンビエータの入力はある期間ａ、の値動きであり、ニ
ューロコンピュータの出力は次の期間ａ０の値動きであ
る。過去の入力と出力の対、例えば、ａ、とａｏ、ｂ、
とｂｏを予めニューロコンピュータに学習させておき、
現在までの値動きＣ８を入力することにより将来の値動
きｃｏを予想させる。もらろん、学習は多数の例示が必
要であり、種々の銘柄・期間について行うのは言うまで
もない。

第５図の（８１図に、本発明を棒足を用いて実施すると
きの実施例を示す、５１は棒足作成部であり、株価を入
力して棒足に変換してニューロコンピュータ５２に出力
する。５２は入力層、中間層、出力層を持つニューロコ
ンピュータである。中間層は無くてもニューロコンピュ
ータ自体は構成しつるが、有ったほうが一般的に学習機
能が高い。入力層は過去の入力、すなわち、ａｉ　、ｂ
Ｈ、Ｃｉの棒足を表現して入力できる必要があり、５３
に人力層の各ノードの論理的配置を示す、５３の桝目の
一つ一つが入力層の各ノードを示しており、棒足のある
部分を１で、ない部分をＯで人力する（第６図では、分
かりやすくするため０を白で、ｌを黒で表現している）
、５３の人力層のノードの数は５Ｘ１０＝５０ケある。

５３の横軸は時間を、縦軸は株価を示している。５４は
出力層のノードを示したものであり、近い将来の一時点
の棒足の状態を表現するために、横（時間）方向は１桝
、縦（株価）方向は１０桝ある。出力層のノードの数は
ｌＸ１Ｏ＝１０ケである。

ニューロコンピュータで株価の、予想を行うには（１）
学習、（２）予想という２段階のステップが必要である
。

（１）学習 第４図の（ａ）の期間の値動きを学習する場合の入力層
、出力層に与えるパタンを第６図の（ａ）に示す。

ａ、の期間の最後の停足４５の上下方向の位置が入力層
の右端中央（第６図く印）に来る様に入力層のノードの
状態（１かＯか、図では黒か白で表現している）を定め
る。第４図４１．４２．４３．４４の棒足は、４５との
相対的位置関係を保つように入力層のノードの状態を定
める（第６図ａ。

）、同様に４６の棒足も、４５との相対的位置関係を保
つ様に出力層のノードの状態を定める（第６図ａ。）。

第４図の（ｂ）の期間の値動きの学習も同様にして、第
６図の（ｂ）の様に入力層のノードの状態、出力層のノ
ードの状態を定める。

以上の様にして、種々の銘柄・期間について、株の値動
きをパタン化し、入力のパタンと、それに対応する出力
のパタンを学習させる。

（２）　　予想 十分な種類の値動きの相場パタンを学習した後は、過去
の値動きのパタンを入力すれば、将来の値動きを出力す
ることができるようになる。第４図と第６図を用いて予
想の手順を説明する。いま、現在までの値動きとしてＣ
８の期間が判明している。ｃｌの期間の棒足をａ、の期
間と同様にしてパタン化すると第６図（Ｃ１のＣｉ　の
様になる。このパタンを入力層としてニューロコンピュ
ータに入力すると、先程の学習成果によりニューロコン
ピュータの出力層にはあるパタンか得られる。これは、
第４図におけるＣ０の期間の棒足を表しており、すなわ
ち、将来の動きの値動きを予想したものになっている。

〔その他の実施例〕

以上の実施例においては、棒足の縦軸を対数軸にし、人
力層における最後の期間の棒足を真ん中に位置ずけると
いう操作で、種々の株価（高い目、安い目）の銘柄を一
元化して扱うことができた。

すなわち、株価に対して、対数軸をとり、人力層の最後
の期間の値動きを基串にするという正規化処理で、個々
の株価を一様に取り扱えるようにした。

銘柄によっては、値動きの激しいものもあれば、緩慢な
ものもある。また一つの銘柄においても、値動きが激し
い期間があれば、緩慢な期間もある。

このような時間的差異を一元化して汲うには、時間に対
して正規化を施して一様に取り扱えばよい。

この様なパタン化の方法としては、例えばかぎ足（値幅
足）という方法がある。かぎ足（開本　博前掲１ｐ９Ｂ
）は、１０円足、１００円足というように予め値幅を決
めておいて、株価がその値幅を超えて方向転換した時に
その値段まで線を引（。

そして、同じ方向に株価がすすむ間は１円でも２円でも
そのまま線を継ぎ足して行く、相場が反対方向に転じた
ときは決めである値幅を超えた場合だけ線を折り曲げて
別の行に線を引く、この値幅に？＋＃たない反動は反動
と認めず無視する、というパタン化の方法である（第７
図）。この方法によれば、値段が変化していない期間は
詰めて表現され、値段が激しく上下に変動する期間はそ
のまま表現される。すなわち、時間に関して正規化され
、銘柄や時期によらず一様に扱うことができる。なお、
株価に対しても正規化するなら、第４図と同様に対数軸
上で表現し、値幅についても、１０円足、１００円足の
代わりに、たとえば株価の６％の幅、というように定め
ればよい。

以上の説明においては、比較的単純な捧呈とかぎ足を用
いて説明したが、他にもローソク足、練行足、ポイント
・アンド・フィギュアなど、種々のパタン化の方法を用
いることもできる。

（発明の効果） ニューロコンピュータは並行処理が可能なため、本質的
に高速なコンピュータを実現しやすいので、従来技術に
比べて相場変化を短時間で予想できるようになる。また
、学習は、入力と出力の対を例示すれば自動的に行える
ので、従来のエキスパートシステムで要した、専門家か
らの知識の抽出による知識データヘース構築の手間が不
要になり、省力効果が大きい。

【図面の簡単な説明】 第１図は、本発明の構成図、 第２図の（ａ）図は、ローソク足の説明図、（ｂ１図は
ローソク足の足形と解釈の対照図、 第３図は、従来技術による株価予想システムの構成図、 第４図は捧呈の説明図、 第５図の（ａ）図は本発明の実施例の構成図、（ｂ１図
は人力層の及び出力層の各ノードの論理配置図、第６図
の（ａ）〜（Ｃ）図は、相場変化のパタン化例、第７図
は、かぎ足の説明図である。 １・・・・・・エキスパートシステム、２・・・・・・
知識データヘース、 ３・・・・・・相場変化の入力、 ４・・・・・・パラメータ抽出手段、 ５・・・・・・推論エンジン、 ２１・・・・・・相場パタン化手段、 ２２．５２・・・・・・ニューロコンピュータ、４１〜
４７・・・・・・捧呈、 ５１・・・・・・捧呈作成部。

Claims (2)

【特許請求の範囲】
1. （１）価格正規化機能と時間正規化機能のいずれかまた
   は両方の機能を有する相場パタン化手段と神経回路網計
   算機（以下、ニューロコンピュータ）を有し、 過去の相場の変化を相場パタン化手段により、価格の正
   規化または時間の正規化を行い、ニューロコンピュータ
   により今後の相場の変化を予測すること を特徴とする相場予測装置。
2. （２）特許請求の範囲第１項の相場予測装置において、 相場パタン化手段が、 相場の変化を時間軸と価格軸の２次元で表現する手段で
   あること を特徴とする相場予測装置。