強化学習と重要度指標を用いた遺伝的ネットワークプログラミングによる株式売買モデル

カテゴリ: 部門大会

論文No: GS6-2

グループ名: 【C】平成18年電気学会電子・情報・システム部門大会講演論文集

発行日: 2006/09/05

タイトル(英語): Trading Rules on Stock Markets Using Genetic Network Programming with Reinforcement Learning and Importance Index

著者名: 間普真吾 (早稲田大学),高橋 好史(早稲田大学),平澤 宏太郎(早稲田大学),古月 敬之(早稲田大学)

著者名(英語): Shingo Mabu(Waseda University),Yoshifumi Takahashi(Waseda University),Kotaro Hirasawa(Waseda University),Takayuki Furuzuki(Waseda University)

キーワード: 進化論的計算手法|強化学習|株価予測|遺伝的ネットワークプログラミング|Evolutionary computation|Reinforcement learning|Stock price prediction|Genetic Network Programming

要約(日本語): 遺伝的ネットワークプログラミング（GNP）は有向グラフ構造を用いて解を表現する進化論的計算手法であり、プログラムをコンパクトな構造で実現できることや暗黙的な記憶機能を備えていることによって主に動的な問題に対して有効であることを明らかにしてきた。また、GNPに重要度指標と呼ばれる処理決定の基準となる値を設定し、株式売買モデルの構築を行う研究も行われてきた。本論文では、強化学習を用いたGNPによる株式売買モデルを構築し、株式売買の判断をより細かく行うことができる手法を提案する。強化学習を用いることで、株式の売買決定を行うたびに得られる報酬を基にした漸進的な学習が可能となるため売買決定ルールがより効率的に生成される。

PDFファイルサイズ: 3,960 Kバイト