背景）強化学習による株式取引

近年、「金融取引 × 強化学習」が注目を集めています。例えばQ-learningやDQNを使用して取引の決定を行う研究などがあります。また、強化学習に時系列を記憶できるLSTMやGRUといったモデルを組み合わせることで為替の取引を行う研究も行われてきました。

ディープラーニングでは満足のいく結果を得るためには大量の学習データが必要です。しかし、金融分野では日単位の株取引データだけでは十分な訓練ができません。かといって膨大な分単位のデータを使用しても、1分に1回取引するような高頻度な取引は大多数の個人投資家には不向きです。そこで、この問題を解決するためのデータを補強する手法が必要となっています。

重要なお知らせ：AI分野のお仕事マッチングサービス「AIDB HR」を開始しました！登録後はオファーを受け取るだけのシンプルなサービスです！現在、期間限定で、ギフト券が必ずもらえる新規登録キャンペーンも行っています。

金融分野の強化学習におけるデータ補強という課題において、実際にどんな研究が行われているのでしょうか。中国にある北京郵電大学のYuyu Yuanら研究者の発表を紹介します。

研究者らは、分単位のデータを日単位のデータに置き換え、訓練データを以前の100倍に拡大できる、金融分野における強化学習のためのデータ拡張手法を提案しました。

テーマ）株式取引における訓練データの拡張

まずはYuyu Yuanらの研究におけるミッション・手法・結果をまとめました。