|
本論文では、ランダムに選ばれた株式上場企業393社の2005年1月～2006年9月の週末および月末株価終値の時系列変動に着目し、銘柄間のトレンドの相関を調べるため、ニューラルネットワークの一種で、多次元データ構造の可視化手法である自己組織化マップ(Self-Organizing Map:SOM)の適用を行った。その結果、個別銘柄と業種間、業種間同士、ならびに観測する時間スケールの違いによるマップ構造の質的違いや銘柄間の相対関係が“ビジュアル”に判別可能となることを示す。さらに個別銘柄に対する株価予測への展開方法についての議論を行う。本事例により、筆者らのような株式投資に素人なものであっても、エキスパートの投資家が評価できるレベルまでの情報をビジュアルに抽出できることが分かったように、他の分野においても有効な技術であると考える。
|
