JPWO2018220685A1 - 株価分析装置 - Google Patents

Abstract

株価に関する情報から、株価の上昇及び下落両方の蓋然性を読み取って、株価の将来の推移を予測する。株価分析装置は、株価に関する情報を取得する取得部と、所定の期間に上昇した第１群の株価に関する情報が入力された場合と、所定の期間に下落した第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習された第１関数に基づいて、株価の将来の上昇度を算出する第１算出部と、第１群の株価に関する情報が入力された場合と、第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習され、第１群の株価に関する情報及び第２群の株価に関する情報に対して第１関数と異なる依存性を有するように学習された第２関数に基づいて、株価の将来の下落度を算出する第２算出部と、上昇度及び下落度を組み合わせて、株価の将来の推移を予測するスコアを算出する第３算出部と、を備える。

Description

本発明は、株価分析装置に関する。

従来、企業の財務情報やニュース情報に基づいて、当該企業の株価の将来の推移を予測することがあった。株価の将来の推移の予測は、株価が上昇する蓋然性の予測であったり、株価が下落する蓋然性の予測であったりした。

例えば、下記特許文献１には、企業別に、記事と株価変動との関係を統計的に処理して得られた統計情報及びある企業に関する記事データに基づいて、株式投資の判断を支援するための情報を記事データに付加する投資判断支援情報提供装置が記載されている。

特開２００５−１００２２１号公報

株価に関する情報に基づいて株価の将来の推移を予測する場合、過去に記録された株価の推移と、株価に影響を及ぼしたであろう情報との関係を分析して、過去に記録された情報と類似する情報が取得された場合に、株価が過去に記録された推移と類似した変化をするであろうと仮定して、株価の将来の推移を予測することがある。

しかしながら、過去に記録された情報と類似する情報が取得された場合であっても、株価は必ずしも過去に記録された推移と類似した変化をするとは限らない。例えば、一見して株価の上昇を示唆する情報が取得された場合であっても、事実と異なる情報であったり、株価の行き過ぎた上昇を示す情報であったりする場合もある。

そこで、本発明は、株価に関する情報から、株価の上昇及び下落両方の蓋然性を読み取って、株価の将来の推移を予測する株価分析装置を提供することを目的とする。

本発明の一態様に係る株価分析装置は、株価に関する情報を取得する取得部と、所定の期間に上昇した第１群の株価に関する情報が入力された場合と、所定の期間に下落した第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習された第１関数に基づいて、株価の将来の上昇度を算出する第１算出部と、第１群の株価に関する情報が入力された場合と、第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習され、第１群の株価に関する情報及び第２群の株価に関する情報に対して第１関数と異なる依存性を有するように学習された第２関数に基づいて、株価の将来の下落度を算出する第２算出部と、上昇度及び下落度を組み合わせて、株価の将来の推移を予測するスコアを算出する第３算出部と、を備える。

この態様によれば、第１算出部によって、株価に関する情報から株価の上昇度を算出し、第２算出部によって、株価に関する情報から株価の下落度を算出して、それらを組み合わせてスコアを算出することで、株価に関する情報から、株価の上昇及び下落両方の蓋然性を読み取って、株価の将来の推移を予測することができる。

上記態様において、取得部は、株価に関する数値情報及びテキスト情報を取得し、第１群の株価に関するテキスト情報及び第２群の株価に関するテキスト情報に基づいて学習された分類器を用いて、取得部により取得されたテキスト情報を第１群のテキスト情報又は第２群のテキスト情報に分類する分類部をさらに備え、第１算出部は、分類部による分類結果に基づいてテキスト情報を定量化した値を第１関数に入力して、上昇度を算出し、第２算出部は、分類部による分類結果に基づいてテキスト情報を定量化した値を第２関数に入力して、下落度を算出してもよい。

この態様によれば、株価に関するテキスト情報を定量化して、株価に関する数値情報とともに第１関数及び第２関数に入力することで、より多様な情報に基づいて株価の将来の推移を予測することができる。

上記態様において、分類部は、過去に記録された第１群の株価に関するテキスト情報を第１群のテキスト情報に分類し、過去に記録された第２群の株価に関するテキスト情報を第２群のテキスト情報に分類するように学習された分類器を用いて、取得部により取得されたテキスト情報を分類してもよい。

この態様によれば、テキスト情報の内容に関わらず、第１群の株価に関するテキスト情報を第１群のテキスト情報に分類し、第２群の株価に関するテキスト情報を第２群のテキスト情報に分類するように分類器を学習させることで、テキスト情報が示唆する株価への影響を正しく評価することができるようになる。

上記態様において、分類部は、第１群の株価及び第２群の株価について、当該株価の過去の推移と比較して相対的に大きな変動が発生したタイミングより過去に記録された第１群の株価に関するテキスト情報及び第２群の株価に関するテキスト情報に基づいて学習された分類器を用いて、テキスト情報を分類してもよい。

この態様によれば、株価の過去の推移と比較して相対的に大きな変動が発生したタイミングによってイベントの発生日を特定し、イベント発生日以前に記録されたテキスト情報を用いて分類器を学習させることで、テキスト情報を第１群又は第２群のいずれに分類すべきか精度良く判定できるようになる。

上記態様において、数値情報は、株価に関する財務情報を含み、テキスト情報は、株価に関するニュース情報及び株価に関する評判情報のうち少なくともいずれかを含み、第３算出部は、ニュース情報、財務情報及び評判情報のうちいずれかに対応したスコアを算出してもよい。

この態様によれば、複数の情報源に対応した複数のスコアを算出することで、複数の異なる観点から株価の将来の推移を予測することができる。

本発明によれば、株価に関する情報から、株価の上昇及び下落両方の蓋然性を読み取って、株価の将来の推移を予測する株価分析装置が提供される。

本発明の実施形態に係る株価分析装置のネットワーク構成を示す図である。 本発明の実施形態に係る株価分析装置の物理的な構成を示す図である。 本発明の実施形態に係る株価分析装置の機能ブロック図である。 本発明の実施形態に係る株価分析装置により実行されるスコア算出処理のフローチャートである。 本発明の実施形態に係る株価分析装置により実行される分類器の学習処理のフローチャートである。 本発明の実施形態に係る株価分析装置により実行される第１関数及び第２関数の学習処理のフローチャートである。 本発明の実施形態に係る株価分析装置により算出されたスコアと株価の推移を示すグラフである。 本発明の実施形態に係る株価分析装置により実行される先行度の算出処理のフローチャートである。

添付図面を参照して、本発明の実施形態について説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。

図１は、本発明の実施形態に係る株価分析装置１０のネットワーク構成を示す図である。本実施形態に係る株価分析装置１０は、通信ネットワークＮを介して、ＩＲ（Investor Relations）情報サーバ２０、ニュース配信サーバ３０、ＳＮＳ（Social Networking Service）サーバ４０及び株価関連情報データベースＤＢに接続される。株価分析装置１０は、ＩＲ情報サーバ２０、ニュース配信サーバ３０、ＳＮＳサーバ４０及び株価関連情報データベースＤＢから取得した株価に関する情報に基づいて、株価の将来の推移を予測するスコアを算出する。なお、図１では、ＩＲ情報サーバ２０、ニュース配信サーバ３０、ＳＮＳサーバ４０及び株価関連情報データベースＤＢをそれぞれ１台ずつ示しているが、複数台のＩＲ情報サーバ２０、ニュース配信サーバ３０、ＳＮＳサーバ４０及び株価関連情報データベースＤＢが通信ネットワークＮに接続されていてもよい。

通信ネットワークＮは、有線又は無線の通信網であり、例えばインターネットであってよい。ＩＲ情報サーバ２０は、企業のＩＲ情報を開示するサーバである。ＩＲ情報は、投資家に対する公報情報であり、四半期ごとの決算に関する財務情報や、企業の経営方針に関する情報等を含む。ニュース配信サーバ３０は、株価に関するニュース情報を配信するサーバである。株価に関するニュース情報は、企業の経営に関するニュースや業績に関するニュース等を含む。なお、ニュース情報は、ＩＲ情報を含む場合があるが、ＩＲ情報は企業から配信されるのに対して、ニュース情報は報道機関から配信されるという違いがある。

ＳＮＳサーバ４０は、ＳＮＳ利用者による投稿データに関する情報を提供するサーバである。株価分析装置１０は、例えば、ＡＰＩ（Application Program Interface）を利用することにより、ＳＮＳサーバ４０から投稿データに関する情報を取得することができる。より具体的には、株価分析装置１０は、例えば、株価に関連する特定のキーワードを含む投稿データをＳＮＳサーバ４０から取得することができる。取得された投稿データは、例えば、株価に関する評判情報を含む。株価に関する評判情報は、株価に関する噂や個人の見解等を含む。株価関連情報データベースＤＢは、過去に記録された株価を、当該株価に関するＩＲ情報、ニュース情報及び評判情報とともに記憶するデータベースである。

図２は、本発明の実施形態に係る株価分析装置１０の物理的な構成を示す図である。株価分析装置１０は、ハードウェアプロセッサに相当するＣＰＵ（Central Processing Unit）１０ａと、メモリに相当するＲＡＭ（Random Access Memory）１０ｂと、メモリに相当するＲＯＭ（Read only Memory）１０ｃと、通信部１０ｄと、入力部１０ｅと、表示部１０ｆとを有する。これら各構成は、バスを介して相互にデータ送受信可能に接続される。

ＣＰＵ１０ａは、ＲＡＭ１０ｂ又はＲＯＭ１０ｃに記憶されたプログラムの実行に関する制御やデータの演算、加工を行う制御部である。ＣＰＵ１０ａは、株価分析に関するプログラム（株価分析プログラム）を実行する演算装置である。ＣＰＵ１０ａは、入力部１０ｅや通信部１０ｄから種々の入力データを受け取り、入力データの演算結果を表示部１０ｆに表示したり、ＲＡＭ１０ｂやＲＯＭ１０ｃに格納したりする。

ＲＡＭ１０ｂは、データの書き換えが可能な記憶部であり、例えば半導体記憶素子で構成される。ＲＡＭ１０ｂは、ＣＰＵ１０ａが実行するアプリケーション等のプログラムやデータを記憶する。

ＲＯＭ１０ｃは、データの読み出しのみが可能な記憶部であり、例えば半導体記憶素子で構成される。ＲＯＭ１０ｃは、例えばファームウェア等のプログラムやデータを記憶する。

通信部１０ｄは、株価分析装置１０を通信ネットワークＮに接続するインターフェースであり、例えば、有線又は無線回線のデータ伝送路により構成されたＬＡＮ（Local Area Network）、ＷＡＮ（Wide Area Network）、インターネット等の通信ネットワークＮに接続される。

入力部１０ｅは、ユーザからデータの入力を受け付けるものであり、例えば、キーボードやマウス、タッチパネルで構成される。

表示部１０ｆは、ＣＰＵ１０ａによる演算結果を視覚的に表示するものであり、例えば、ＬＣＤ（Liquid Crystal Display）により構成される。

株価分析プログラムは、ＲＡＭ１０ｂやＲＯＭ１０ｃ等のコンピュータによって読み取り可能な記憶媒体に記憶されて提供されてもよいし、通信部１０ｄにより接続される通信ネットワークを介して提供されてもよい。株価分析装置１０では、ＣＰＵ１０ａが株価分析プログラムを実行することにより、次図を用いて説明する様々な機能が実現される。なお、これらの物理的な構成は例示であって、必ずしも独立した構成でなくてもよい。例えば、株価分析装置１０は、ＣＰＵ１０ａとＲＡＭ１０ｂやＲＯＭ１０ｃが一体化したＬＳＩ（Large-Scale Integration）を備えていてもよい。

図３は、本発明の実施形態に係る株価分析装置１０の機能ブロック図である。株価分析装置１０は、取得部１１、算出部１２、抽出部１３、分類部１４及び検出部１５を備える。

取得部１１は、株価に関する情報を取得する。ここで、株価に関する情報とは、特定の株式に関する情報のみならず、株価指数に関する情報や業種全体に関する情報等、市場に影響を及ぼし得る情報をいう。取得部１１は、株価に関する数値情報及びテキスト情報を取得してよい。ここで、数値情報は、株価に関する財務情報を含み、テキスト情報は、株価に関するニュース情報及び株価に関する評判情報のうち少なくともいずれかを含んでよい。取得部１１は、通信ネットワークＮを介して、ＩＲ情報サーバ２０から財務情報を取得し、ニュース配信サーバ３０からニュース情報を取得し、ＳＮＳサーバ４０から評判情報を取得してよい。また、取得部１１は、株価関連情報データベースＤＢから、過去に記録された株価に関する情報を取得してよい。

算出部１２は、第１算出部１２ａ、第２算出部１２ｂ、第３算出部１２ｃ及び第４算出部１２ｄを含む。第１算出部１２ａは、所定の期間に上昇した第１群の株価に関する情報が入力された場合と、所定の期間に下落した第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習された第１関数に基づいて、株価の将来の上昇度を算出する。ここで、上昇度とは、株価が将来上昇する蓋然性を数値化した量である。第１関数については、後に詳細に説明する。また、所定の期間は、任意に設定し得るが、例えば１年間である。

第２算出部１２ｂは、第１群の株価に関する情報が入力された場合と、第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習され、第１群の株価に関する情報及び第２群の株価に関する情報に対して第１関数と異なる依存性を有するように学習された第２関数に基づいて、株価の将来の下落度を算出する。より具体的には、第２算出部１２ｂは、第１群の株価に関する情報及び第２群の株価に関する情報に対して第１関数と反対の依存性を有するように学習された第２関数に基づいて、株価の将来の下落度を算出する。ここで、下落度とは、株価が将来下落する蓋然性を数値化した量である。第２関数については、後に詳細に説明する。

第３算出部１２ｃは、株価の将来の上昇度及び下落度を組み合わせて、株価の将来の推移を予測するスコアを算出する。より具体的には、第３算出部１２ｃは、株価の将来の上昇度と下落度の差に基づいて、スコアを算出する。また、第３算出部１２ｃは、財務情報、ニュース情報及び評判情報のうちいずれかに対応したスコアを算出してよい。すなわち、第３算出部１２ｃは、情報源に対応した複数種類のスコアを算出してよい。

第４算出部１２ｄは、スコアについて、株価に対する先行度を算出する。先行度は、スコアが株価に対して何日程度先行するか示す値である。先行度については、後に詳細に説明する。

抽出部１３は、所定の期間に記録された複数の株価のうち、価格の騰落率が上位の株式の中から第１群の株式を抽出し、騰落率が下位の株式中から第２群の株式を抽出する。抽出部１３は、騰落率が上位１σ（１標準偏差）以上の株式であって、ボラティリティが上位の株式の中から第１群の式を抽出してよい。ここで、騰落率の標準偏差は、上場株式全体に関する騰落率分布の標準偏差であってよい。また、価格の騰落率が下位−１σ（−１標準偏差）以下の株式であって、ボラティリティが上位の株式中から第２群の株式を抽出してよい。本明細書では、第１群の株式の価格を第１群の株価と称し、第２群の株式の価格を第２群の株価と称する。

分類部１４は、第１群の株価に関するテキスト情報及び第２群の株価に関するテキスト情報に基づいて学習された分類器を用いて、取得部１１により取得されたテキスト情報を第１群のテキスト情報又は第２群のテキスト情報に分類する。ここで、第１群のテキスト情報は、株価の上昇を示唆すると判断されたテキスト情報であり、第２群のテキスト情報は、株価の下落を示唆すると判断されたテキスト情報である。分類部１４は、過去に記録された第１群の株価に関するテキスト情報を第１群のテキスト情報に分類し、過去に記録された第２群の株価に関するテキスト情報を第２群のテキスト情報に分類するように学習された分類器を用いて、取得部１１により取得されたテキスト情報を分類してよい。

第１算出部１２ａは、分類部１４による分類結果に基づいてテキスト情報を定量化した値を第１関数に入力して、上昇度を算出する。より具体的には、第１算出部１２ａは、第１群のテキスト情報が全体に占める割合及び第２群のテキスト情報が全体に占める割合によってテキスト情報を定量化した値を第１関数に入力して、上昇度を算出する。また、第２算出部１２ｂは、分類部１４による分類結果に基づいてテキスト情報を定量化した値を第２関数に入力して、下落度を算出する。より具体的には、第２算出部１２ｂは、第１群のテキスト情報が全体に占める割合及び第２群のテキスト情報が全体に占める割合によってテキスト情報を定量化した値を第２関数に入力して、下落度を算出する。

検出部１５は、第１群の株価及び第２群の株価について、当該株価の過去の推移と比較して相対的に大きな変動が発生したタイミングを検出する。分類部１４は、検出部１５により検出されたタイミングより過去に記録された第１群の株価に関するテキスト情報及び第２群の株価に関するテキスト情報に基づいて学習された分類器を用いて、テキスト情報を分類してよい。

図４は、本発明の実施形態に係る株価分析装置１０により実行されるスコア算出処理のフローチャートである。スコア算出処理は、予め学習された分類器、第１関数及び第２関数を用いて、株価の将来の推移を予測するスコアを算出する処理である。

はじめに、株価分析装置１０は、取得部１１によって、株価に関する数値情報及びテキスト情報を取得する（Ｓ１０）。ここで、数値情報については規格化を行うこととしてよい。数値情報の規格化は、例えば、数値を０から１までの範囲に変換することによって行ってよい。もっとも、数値情報の規格化は必ずしも行わなくてもよい。

株価分析装置１０は、分類部１４によって、テキスト情報を第１群のテキスト情報又は第２群のテキスト情報に分類する（Ｓ１１）。分類部１４は、例えば、予め学習された単純ベイズ分類器によって、テキスト情報を第１群のテキスト情報又は第２群のテキスト情報に分類してよい。もっとも、分類部１４は、任意の分類器を用いてテキスト情報の分類を行ってよい。

株価分析装置１０は、第１群のテキスト情報が全体に占める割合及び第２群のテキスト情報が全体に占める割合によって、テキスト情報を定量化する（Ｓ１２）。例えば、Ｎ個（Ｎは任意の自然数）のテキスト情報が取得された場合であって、分類部１４によってＮ１個（Ｎ１≦Ｎ）のテキスト情報が第１群に分類され、Ｎ２個（Ｎ２＝Ｎ−Ｎ１）のテキスト情報が第２群に分類された場合、株価分析装置１０は、第１群のテキスト情報が全体に占める割合をｐ１＝Ｎ１／Ｎによって算出し、第２群のテキスト情報が全体に占める割合をｐ２＝Ｎ２／Ｎによって算出してよい。

株価分析装置１０は、第１算出部１２ａによって、第１関数に基づいて上昇度を算出する（Ｓ１３）。上昇度は、第１関数の値であってよい。ｉ個（ｉは任意の自然数）の数値情報をｘ１，ｘ２，…，ｘｉと表し、第１群のテキスト情報が全体に占める割合をｐ１と表し、第２群のテキスト情報が全体に占める割合をｐ２と表す場合、第１関数は、ｆ１（ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２）＝ａ１×ｘ１＋ａ２×ｘ２＋…＋ａｉ×ｘｉ＋ｂ１×ｐ１＋ｂ２×ｐ２と表される。ここで、ａ１，ａ２，…，ａｉ，ｂ１，ｂ２は、事前に行われる学習処理によって決定される係数である。第１関数の関数形は上記に限られず、非線形関数を採用することもできる。

株価分析装置１０は、第２算出部１２ｂによって、第２関数に基づいて下落度を算出する（Ｓ１４）。下落度は、第２関数の値であってよい。ｉ個（ｉは任意の自然数）の数値情報をｘ１，ｘ２，…，ｘｉと表し、第１群のテキスト情報が全体に占める割合をｐ１と表し、第２群のテキスト情報が全体に占める割合をｐ２と表す場合、第２関数は、ｆ２（ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２）＝ｃ１×ｘ１＋ｃ２×ｘ２＋…＋ｃｉ×ｘｉ＋ｄ１×ｐ１＋ｄ２×ｐ２と表される。ここで、ｃ１，ｃ２，…，ｃｉ，ｄ１，ｄ２は、事前に行われる学習処理によって決定される係数である。第２関数の関数形は上記に限られず、非線形関数を採用することもできる。

なお、株価分析装置１０は、情報源ごとにテキスト情報を定量化した値を算出してもよい。例えば、取得部１１によってニュース配信サーバ３０からＫ個（Ｋは任意の自然数）のニュース情報が取得され、ＳＮＳサーバ４０からＬ個（Ｌは任意の自然数）の評判情報が取得された場合は、以下のようにテキスト情報を定量化してよい。まず、分類部１４によってニュース情報をＫ１個（Ｋ１≦Ｋ）の第１群のニュース情報と、Ｋ２個（Ｋ２＝Ｋ−Ｋ１）の第２群のニュース情報に分類し、評判情報をＬ１個（Ｌ１≦Ｌ）の第１群の評判情報と、Ｌ２個（Ｌ２＝Ｌ−Ｌ１）の第２群の評判情報に分類する。次に、第１群のニュース情報が全体に占める割合をＫ１／Ｋによって算出し、第２群のニュース情報が全体に占める割合をＫ２／Ｋによって算出し、第１群の評判情報が全体に占める割合をＬ１／Ｌによって算出し、第２群の評判情報が全体に占める割合をＬ２／Ｌによって算出する。

情報源ごとにテキスト情報を定量化した値を算出し、テキスト情報を定量化した値がｐ１，ｐ２，…，ｐｊのようにｊ個（ｊは任意の自然数）存在する場合、第１関数は、ｆ１（ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２，…，ｐｊ）＝ａ１×ｘ１＋ａ２×ｘ２＋…＋ａｉ×ｘｉ＋ｂ１×ｐ１＋ｂ２×ｐ２＋…＋ｂｊ×ｐｊと表される。ここで、ａ１，ａ２，…，ａｉ，ｂ１，ｂ２，…，ｂｊは、事前に行われる学習処理によって決定される係数である。また、第２関数は、ｆ２（ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２，…，ｐｊ）＝ｃ１×ｘ１＋ｃ２×ｘ２＋…＋ｃｉ×ｘｉ＋ｄ１×ｐ１＋ｄ２×ｐ２＋…＋ｄｊ×ｐｊと表される。ここで、ｃ１，ｃ２，…，ｃｉ，ｄ１，ｄ２，…，ｄｊは、事前に行われる学習処理によって決定される係数である。

第１算出部１２ａは、複数の情報源ごとに定義された複数の第１関数を用いて、複数の情報源に対応する複数の上昇度を算出してもよい。同様に、第２算出部１２ｂは、複数の情報源ごとに定義された複数の第２関数を用いて、複数の情報源に対応する複数の下落度を算出してもよい。例えば、数値情報ｘ１，ｘ２，…，ｘｉに対応する第１関数をｇ１（ｘ１，ｘ２，…，ｘｉ）＝ａ１×ｘ１＋ａ２×ｘ２＋…＋ａｉ×ｘｉとして、数値情報に対応する第２関数をｇ２（ｘ１，ｘ２，…，ｘｉ）＝ｃ１×ｘ１＋ｃ２×ｘ２＋…＋ｃｉ×ｘｉとしてよい。また、ニュース情報を定量化した値をｐ１，ｐ２と表すとき、ニュース情報に対応する第１関数をｈ１（ｐ１，ｐ２）＝ｂ１×ｐ１＋ｂ２×ｐ２として、ニュース情報に対応する第２関数をｈ２（ｐ１，ｐ２）＝ｄ１×ｐ１＋ｄ２×ｐ２としてよい。評判情報に対応する第１関数及び第２関数は、ニュース情報に対応する第１関数及び第２関数の場合と同様に構成することができる。

株価分析装置１０は、第３算出部１２ｃによって、上昇度と下落度の差に基づいて、株価の将来の推移を予測するスコアを算出する（Ｓ１５）。第３算出部１２ｃは、第１関数の値と第２関数の値の差、すなわちｆ１−ｆ２によって、スコアを算出してよい。

複数の情報源ごとにスコアを算出する場合、例えば、数値情報に対応する第１関数ｇ１と第２関数ｇ２の差ｇ１−ｇ２によって、数値情報に対応するスコアを算出してよい。また、ニュース情報に対応する第１関数ｈ１と第２関数ｈ２の差ｈ１−ｈ２によって、ニュース情報に対応するスコアを算出してよい。評判情報に対応するスコアを算出する場合も同様である。

株価分析装置１０は、算出したスコアが所定の条件を満たすか否かを判断する（Ｓ１６）。ここで、所定の条件とは、例えば、スコアが上側閾値を上回った又は下側閾値を下回ったという条件であってもよいし、スコアの符号が逆転したという条件であってもよいし、スコアを標準化した指標値が上側閾値を上回った又は下側閾値を下回ったという条件であってもよい。ここで、スコアを標準化した指標値は、スコアの値からスコアの平均値を引き、スコアの標準偏差で割った値であってよい。複数の情報源ごとにスコアを算出した場合、複数のスコアそれぞれについて所定の条件を設定して、条件を満たすか否かを判断してよい。複数のスコアを算出した場合、所定の条件は、複数種類のスコアの関係性に基づく条件であってもよい。例えば、所定の条件は、２種類のスコアの大小関係が逆転したという条件であってもよい。

算出したスコアが所定の条件を満たす場合（Ｓ１６：Ｙｅｓ）、株価分析装置１０は、ユーザに対してシグナルを通知する（Ｓ１７）。一方、算出したスコアが所定の条件を満たさない場合（Ｓ１６：Ｎｏ）、処理を終了する。以上で、本実施形態に係る株価分析装置１０によるスコア算出処理が終了する。

本実施形態に係る株価分析装置１０によれば、第１算出部１２ａによって、株価に関する情報から株価の上昇度を算出し、第２算出部１２ｂによって、株価に関する情報から株価の下落度を算出して、それらを組み合わせてスコアを算出することで、株価に関する情報から、株価の上昇及び下落両方の蓋然性を読み取って、株価の将来の推移を予測することができる。

また、株価に関するテキスト情報を定量化して、株価に関する数値情報とともに第１関数及び第２関数に入力することで、より多様な情報に基づいて株価の将来の推移を予測することができる。

さらに、複数の情報源に対応した複数のスコアを算出することで、複数の異なる観点から株価の将来の推移を予測することができる。

図５は、本発明の実施形態に係る株価分析装置１０により実行される分類器の学習処理のフローチャートである。分類器の学習処理は、分類部１４により用いられる分類器を、過去に記録されたテキスト情報に基づいて学習させる処理である。

はじめに、株価分析装置１０は、抽出部１３によって、過去に記録された株価のうち価格の騰落率が上位１σ以上の株式の中から、第１群の株式を抽出する（Ｓ２０）。また、株価分析装置１０は、抽出部１３によって、過去に記録された株価のうち価格の騰落率が下位−１σ以下の株式の中から、第２群の株式を抽出する（Ｓ２１）。このように、予め定められた基準に従って第１群の株式と第２群の株式を抽出することで、人為性を排除して分類器を学習させることができ、より客観的なテキスト情報の分類を行うことができる。もっとも、第１群の株式及び第２群の株式の抽出は、必ずしも抽出部１３によって行わなくてもよく、ユーザによる指定に基づいて行ってもよい。

株価分析装置１０は、第１群の株式の価格である第１群の株価に関するテキスト情報に第１タグを付与し（Ｓ２２）、第２群の株式の価格である第２群の株価に関するテキスト情報に第２タグを付与する（Ｓ２３）。ここで、第１タグは、株価の上昇を示唆するタグであり、第２タグは、株価の下落を示唆するタグである。

次に、株価分析装置１０は、検出部１５によって、第１群の株価及び第２群の株価について、当該株価の過去の推移と比較して相対的に大きな変動が発生したタイミングをイベント発生日として検出する。具体的には、株価が、移動平均線から３σ（３標準偏差）以上まで上昇した日をイベント発生日として特定するか又は移動平均線から−３σ（−３標準偏差）以下まで下落した日をイベント発生日として検出する（Ｓ２４）。ここで、任意の日数の移動平均を用いることができるが、例えば２５日移動平均を用いてよい。

株価分析装置１０は、イベント発生日より過去に記録された第１群の株価に関するテキスト情報及び第２群の株価に関するテキスト情報に基づいて、分類器を学習させる（Ｓ２５）。具体的には、第１タグが付与されたテキスト情報を第１群のテキスト情報に分類し、第２タグが付与されたテキスト情報を第２群のテキスト情報に分類するように、分類器を学習させる。すなわち、株価分析装置１０は、過去に記録された第１群の株価に関するテキスト情報を第１群のテキスト情報に分類し、過去に記録された第２群の株価に関するテキスト情報を第２群のテキスト情報に分類するように分類器を学習させる。以上により、分類器の学習処理が終了する。

本実施形態に係る株価分析装置１０によれば、テキスト情報の内容に関わらず、第１群の株価に関するテキスト情報を第１群のテキスト情報に分類し、第２群の株価に関するテキスト情報を第２群のテキスト情報に分類するように分類器を学習させることで、テキスト情報が示唆する株価への影響を正しく評価することができるようになる。

また、株価の過去の推移と比較して相対的に大きな変動が発生したタイミングによってイベントの発生日を特定し、イベント発生日以前に記録されたテキスト情報を用いて分類器を学習させることで、イベントの発生に先立って現れる傾向にあるテキスト情報によって分類器を学習させることができ、テキスト情報を第１群又は第２群のいずれに分類すべきか精度良く判定できるようになる。

図６は、本発明の実施形態に係る株価分析装置１０により実行される第１関数及び第２関数の学習処理のフローチャートである。第１関数及び第２関数の学習処理は、第１算出部１２ａ及び第２算出部１２ｂによりそれぞれ用いられる第１関数及び第２関数を学習させる処理である。具体的には、線形回帰分析を行う処理であり、第１関数ｆ１の係数ａ１，ａ２，…，ａｉ，ｂ１，ｂ２等を決定する処理と、第２関数ｆ２の係数ｃ１，ｃ２，…，ｃｉ，ｄ１，ｄ２等を決定する処理を含む。

株価分析装置１０は、第１関数を、所定の期間に上昇した第１群の株価に関する情報が入力された場合と、所定の期間に下落した第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習させる。具体的には、第１群の株価に関する情報が入力された場合に１を出力し、第２群の株価に関する情報が入力された場合に０を出力するように、第１関数を学習させる（Ｓ３０）。すなわち、第１関数がｆ１（ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２）＝ａ１×ｘ１＋ａ２×ｘ２＋…＋ａｉ×ｘｉ＋ｂ１×ｐ１＋ｂ２×ｐ２と表される場合、第１群の株価に関する情報ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２を代入して、１＝ａ１×ｘ１＋ａ２×ｘ２＋…＋ａｉ×ｘｉ＋ｂ１×ｐ１＋ｂ２×ｐ２という条件を課し、第２群の株価に関する情報ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２を代入して、０＝ａ１×ｘ１＋ａ２×ｘ２＋…＋ａｉ×ｘｉ＋ｂ１×ｐ１＋ｂ２×ｐ２という条件を課して、係数ａ１，ａ２，…，ａｉ，ｂ１，ｂ２を決定する。

また、株価分析装置１０は、第２関数を、第１群の株価に関する情報が入力された場合と、第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習させ、第１群の株価に関する情報及び第２群の株価に関する情報に対して第１関数と異なる依存性を有するように学習させる。本実施形態に係る株価分析装置１０は、第２関数を、第１群の株価に関する情報及び第２群の株価に関する情報に対して第１関数と反対の依存性を有するように学習させる。具体的には、第１群の株価に関する情報が入力された場合に０を出力し、第２群の株価に関する情報が入力された場合に１を出力するように、第２関数を学習させる（Ｓ３１）。すなわち、第２関数がｆ２（ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２）＝ｃ１×ｘ１＋ｃ２×ｘ２＋…＋ｃｉ×ｘｉ＋ｄ１×ｐ１＋ｄ２×ｐ２と表される場合、第１群の株価に関する情報ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２を代入して、０＝ｃ１×ｘ１＋ｃ２×ｘ２＋…＋ｃｉ×ｘｉ＋ｄ１×ｐ１＋ｄ２×ｐ２という条件を課し、第２群の株価に関する情報ｘ１，ｘ２，…，ｘｉ，ｐ１，ｐ２を代入して、１＝ｃ１×ｘ１＋ｃ２×ｘ２＋…＋ｃｉ×ｘｉ＋ｄ１×ｐ１＋ｄ２×ｐ２という条件を課して、係数ｃ１，ｃ２，…，ｃｉ，ｄ１，ｄ２を決定する。以上により、第１関数及び第２関数の学習処理が終了する。

本実施形態に係る株価分析装置１０によれば、第１関数及び第２関数を、第１群の株価に関する情報及び第２群の株価に関する情報に対して互いに反対の依存性を有するように学習させることで、株価の上昇度と下落度を共通の尺度で評価することができる。

図７は、本発明の実施形態に係る株価分析装置１０により算出されたスコアと株価の推移を示すグラフである。同図では、縦軸にスコアの値及び規格化した株価の値を示し、横軸に日付を示している。グラフには、株価ＳＰが実線で示され、評判情報に対応する第１スコアＳＣ１が破線で示され、財務情報に対応する第２スコアＳＣ２が一点鎖線で示され、ニュース情報に対応する第３スコアＳＣ３が二点鎖線で示されている。また、スコアが株価の将来の推移を示唆しているタイミングを、第１タイミングＴ１、第２タイミングＴ２、第３タイミングＴ３及び第４タイミングＴ４として上向き矢印によって示している。

第１タイミングＴ１では、ニュース情報に対応する第３スコアＳＣ３が株価ＳＰに先行して下落している。ここで、評判情報に対応する第２スコアＳＣ２は、株価ＳＰとほぼ同時に下落しており、財務情報に対応する第１スコアＳＣ１は、四半期中変動しないため、変化していない。このことは、例えば、否定的なニュース情報が報道された後に株価ＳＰが下落したと解釈でき、評判情報は、株価ＳＰの下落を噂する情報を含んでいると解釈できる。

第２タイミングＴ２では、財務情報に対応する第１スコアＳＣ１の下落に先立って、ニュース情報に対応する第３スコアＳＣ３が下落しており、その後株価ＳＰが下落している。このことは、例えば、ニュース情報が、業績の下方修正等の否定的な予想を含んでおり、企業から発表された財務情報が実際に下方修正を含むものであり、株価ＳＰが下落したと解釈できる。

第３タイミングＴ３では、評判情報に対応する第２スコアＳＣ２が株価ＳＰに先行して下落している。このことは、例えば、株価ＳＰに関する悪い噂がインターネット上で流布した後、実際に株価ＳＰが徐々に下落したと解釈できる。

第４タイミングＴ４では、ニュース情報に対応する第３スコアＳＣ３、財務情報に対応する第１スコアＳＣ１、評判情報に対応する第２スコアＳＣ２の順でスコアが回復している。この後、株価ＳＰも回復している。このことは、例えば、ニュース情報が、業績の上方修正等の肯定的な予想を含んでおり、企業から発表された財務情報が実際に上方修正を含むものであり、株価ＳＰに関する良い噂がインターネット上で出回った後、実際に株価ＳＰが徐々に上昇したと解釈できる。

このように、本実施形態に係る株価分析装置１０によれば、株価に先行して変動するスコアを算出することができる。また、複数の情報源に対応する複数のスコアを算出して、情報源の特性に応じた株価予測を行うことができる。

図８は、本発明の実施形態に係る株価分析装置１０により実行される先行度の算出処理のフローチャートである。先行度の算出処理は、スコアが株価に対してどの程度先行するかを表す先行度を算出する処理である。

株価分析装置１０は、スコアを所定の日数だけ遅行させた遅行スコアを算出する（Ｓ４０）。例えば、株価分析装置１０は、スコアを１０日単位で１００日まで遅行させた１０種類の遅行スコアを算出してよい。

次に、株価分析装置１０は、遅行スコアと株価の一致度を算出する（Ｓ４１）。ここで、遅行スコアと株価の一致度は、遅行スコアと規格化した株価の差に基づいて算出してよい。例えば、スコアを１０日単位で１００日まで遅行させた１０種類の遅行スコアを算出した場合、１０種類の遅行スコアそれぞれについて株価との一致度を算出してよい。

株価分析装置１０は、一致度が最も高い遅行日数を特定する（Ｓ４２）。例えば、スコアを１０日単位で１００日まで遅行させた１０種類の遅行スコアを算出した場合、１０種類の遅行スコアそれぞれについて算出した一致度が最大となる遅行スコアを特定し、当該特定された遅行スコアの遅行日数を、一致度が最も高い遅行日数として特定してよい。

株価分析装置１０は、第４算出部１２ｄによって、スコアについて、株価に対する先行度を算出する（Ｓ４３）。先行度は、一致度が最も高い遅行日数そのものであってもよいし、遅行日数を指数化した量であってもよい。以上で先行度の算出処理が終了する。

本実施形態に係る株価分析装置１０によれば、先行度を算出することで、スコアが株価に対してどの程度先行するものであるのか把握することができ、投資のタイムスパンに応じたスコアの使い分けをすることができる。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

Claims (5)

1. 株価に関する情報を取得する取得部と、
   所定の期間に上昇した第１群の株価に関する情報が入力された場合と、前記所定の期間に下落した第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習された第１関数に基づいて、前記株価の将来の上昇度を算出する第１算出部と、
   前記第１群の株価に関する情報が入力された場合と、前記第２群の株価に関する情報が入力された場合とで異なる値を出力するように学習され、前記第１群の株価に関する情報及び前記第２群の株価に関する情報に対して前記第１関数と異なる依存性を有するように学習された第２関数に基づいて、前記株価の将来の下落度を算出する第２算出部と、
   前記上昇度及び前記下落度を組み合わせて、前記株価の将来の推移を予測するスコアを算出する第３算出部と、
   を備える株価分析装置。
2. 前記取得部は、前記株価に関する数値情報及びテキスト情報を取得し、
   前記第１群の株価に関するテキスト情報及び前記第２群の株価に関するテキスト情報に基づいて学習された分類器を用いて、前記取得部により取得された前記テキスト情報を第１群のテキスト情報又は第２群のテキスト情報に分類する分類部をさらに備え、
   前記第１算出部は、前記分類部による分類結果に基づいて前記テキスト情報を定量化した値を前記第１関数に入力して、前記上昇度を算出し、
   前記第２算出部は、前記分類部による分類結果に基づいて前記テキスト情報を定量化した値を前記第２関数に入力して、前記下落度を算出する、
   請求項１に記載の株価分析装置。
3. 前記分類部は、過去に記録された前記第１群の株価に関するテキスト情報を前記第１群のテキスト情報に分類し、過去に記録された前記第２群の株価に関するテキスト情報を前記第２群のテキスト情報に分類するように学習された前記分類器を用いて、前記取得部により取得された前記テキスト情報を分類する、
   請求項２に記載の株価分析装置。
4. 前記分類部は、前記第１群の株価及び前記第２群の株価について、当該株価の過去の推移と比較して相対的に大きな変動が発生したタイミングより過去に記録された前記第１群の株価に関するテキスト情報及び前記第２群の株価に関するテキスト情報に基づいて学習された前記分類器を用いて、前記テキスト情報を分類する、
   請求項２又は３に記載の株価分析装置。
5. 前記数値情報は、前記株価に関する財務情報を含み、
   前記テキスト情報は、前記株価に関するニュース情報及び前記株価に関する評判情報のうち少なくともいずれかを含み、
   前記第３算出部は、前記ニュース情報、前記財務情報及び前記評判情報のうちいずれかに対応した前記スコアを算出する、
   請求項２から４のいずれか１項に記載の株価分析装置。
   

Images