金融時系列のための特徴量融合に基づく予測モデル

株式市場の予測は、研究者と投資家の双方にとって関心が高まっている研究分野となっており、多くの予測モデルが提案されてきた。これらのモデルでは、生データの前処理やノイズ除去のために特徴量選択技術が使用される。本論文では、独立成分分析、正準相関分析、およびサポートベクターマシンを用いて株式市場の動向を予測する予測モデルを構築する。まず、過去の終値と独立成分分析によって得られた39個のテクニカル変数から2種類の特徴量を抽出する。次に、正準相関分析法を利用してこれら2種類の特徴量を結合し、予測モデルの性能を向上させるための本質的な特徴量を抽出する。最後に、サポートベクターマシンを適用して翌日の終値を予測する。提案モデルを上海株式市場指数およびダウ・ジョーンズ指数に適用したところ、実験結果から、提案モデルは他の2つの類似モデルよりも予測の分野で優れた性能を発揮することが示された。