機械学習を使いこなすには

すべての初級トレーダーはテクニカル分析の基礎から学習を始め、その多くは証券取引所取引に関する同じ本を読んでいます。通常、基本的なことは考えればわかることですが、最初の手動取引の段階は、すぐに過ぎてしまいます。次のステップは、多様な金融商品を含めて低リスクを維持しながら、取引結果の安定性を高め、取引量を増加させることです。そこで役立つのが、自動売買ロボットによるアルゴリズム取引ですが、これはしかし、全く新しい分野です。金融市場の知識に加えて、プログラミングやテクニカル分析のスキルも必要です。

アルゴリズム取引に関するトピックは広すぎます。Webで検索するだけで、何百、何千という専門的なリソースやチュートリアルを見つけることができます。ますます一般的になっているアプローチの1つは、機械学習とニューラル ネットワークに関するものです。これは知識が多様なまったく新しい分野であるため、この主題をどこから学び始めればよいかを理解するのは難しい場合があります。この情報を探す時間を節約するために、（主に）英語の資料をまとめたものを用意しました。

書籍

アルゴリズム取引における機械学習の活用方法に関する書籍をご紹介します。この分野では、数学、統計学の知識とPythonのプログラミングスキルが必要です。

• マルコス・ロペス・デ・プラド「ファイナンス機械学習―金融市場分析を変える機械学習アルゴリズムの理論と実践」（リンク）
• Dr Howard B Bandy「Quantitative Technical Analysis:An integrated approach to trading system development and trading management」（リンク）
• Tony Guida「Big Data and Machine Learning in Quantitative Investment」（リンク）
• Michael Halls-Moore「Advanced Algorithmic Trading」（リンク）
• Jannes KlaasMachine Learning for Finance:「Data algorithms for the markets and deep learning from the ground up for financial experts and economics」（リンク）
• ステファン・ジャンセン「Hands-On Machine Learning for Algorithmic Trading:Design and implement smart investment strategies to analyze market behavior using the Python ecosystem」（リンク）
• Ali N. Akansu, Sanjeev R. Kulkarni, Dmitry M. Malioutov「Financial Signal Processing and Machine Learning」（リンク）
• デイビット・アロンソン「Evidence-Based Technical Analysis:Applying the Scientific Method and Statistical Inference to Trading」（リンク）
• デイビット・アロンソン「Statistically Sound Machine Learning for Algorithmic Trading of Financial Instruments」（リンク）
• アーネスト・P・チャン「Machine Trading:Deploying Computer Algorithms to Conquer the Markets」（リンク）

オンラインコースと専門分野

オンラインコースは、焦点を絞った分野の知識を得るのに最も身近で人気のある方法です。UdacityとCourseraで受講できる機械学習コースの一部をご紹介します。

• Udacity：ジョージア工科大学「Machine Learning for Trading」。このコースでは、機械学習に基づいた取引戦略を実装するための現実的な課題を紹介します。確率論的機械学習アプローチを取引の意思決定に適用する方法に焦点を当てたものです。線形回帰、KNN、回帰木などの統計的アプローチを取り上げ、実際の株式売買の場面でどのように適用するかを考えます。期間は約4ヶ月です。
  

• Udacity：WorldQuant「Artificial Intelligence for Trading」。データ処理、売買シグナル生成、ポートフォリオ管理など、定量分析の基礎を学ぶ6ヶ月コースです。Pythonを使用して、過去の株式データの処理、取引戦略の開発、最適化によるマルチファクターモデルの構築の方法を学びます。
  

• Coursera：NYU specialization「Machine Learning and Reinforcement Learning in Finance Specialization (Weakly related to trading)」それぞれ13～24時間の4つのコースで構成されます。このシリーズでは、3カテゴリーの受講者を対象としています。
  

  1. 銀行、資産運用会社、ヘッジファンドなどの金融機関に勤務する実務家
  2. 個人のデイトレードにおける機械学習の応用に興味がある方
  3. 金融、統計、コンピュータサイエンス、数学、物理学、工学、またはその他の関連分野の学位を取得中のフルタイムの学生で、金融におけるMLの実用的なアプリケーションについて学びたい方
  コースの課題を完了するためには、Python（numpy、pandas、IPython/Jupyter notebooks）、線形代数、基礎確率論、基礎微積分の知識が必要です。
  
  コース：
  
  • 「Guided Tour of Machine Learning in Finance」ファイナンスへの応用を中心とした入門コース 
    
  • 「Fundamentals of Machine Learning in Finance」 機械学習の予備知識を持つ学習者は、教師あり学習、教師なし学習、強化学習の主要なアルゴリズムを知り、MLオープンソースのPythonパッケージを使用して、金融におけるMLアルゴリズムの設計、テスト、実装ができるようになります
    
  • 「Reinforcement Learning in Finance」強化学習（Reinforcement Learning、RL）の基本的な概念を紹介し、オプション評価、取引、資産管理などのRL応用のユースケースを開発することを目的としています。
  • 「Overview of Advanced Methods for Reinforcement Learning in Finance」この最後のコースでは、3番目のコースで取り上げたトピックをより深く掘り下げます。特に、強化学習とオプション価格、物理学との関連、マーケットインパクトと価格ダイナミクスのモデル化における逆強化学習の意味、強化学習における知覚-行動サイクルについて考察します
    
    

YouTube動画

• Siraj Raval：深層学習を用いた株式市場予測に関する動画（リンク）。暗号通貨ボット、強化学習による株価予測、TensorFlowなど
  
• QuantInsti YouTube：取引のための機械学習に関するWebセミナー（リンク）。機械学習、数理ファイナンス、最適ポートフォリオ理論など、教育用ビデオ多数
  
• Quantopian：取引のための機械学習に関するWebセミナー（リンク）。取引における分類と回帰の利用、深層学習、ビッグデータ、センチメント分析のためのモデル作成など、MLに関する動画を多数紹介
  
• Sentdex：FXや株の分析、アルゴリズム取引のための機械学習（リンク）。FXや株式取引における機械学習やパターン認識についての入門講座
• Sentdex：金融のためのPythonプログラミング（動画は機械学習を含む）（リンク）。Pythonを用いた機械学習のためのデータ前処理
• QuantNews：アルゴリズム取引のための機械学習 - 3本の動画（リンク）。機械学習の最初のステップである「データの準備」と「ハイパーパラメータのチューニング」について説明します
• ハワード・B・バンディ：機械学習取引システム開発Webセミナー（リンク）。 機械学習を利用した取引システムの開発方法に関するWebセミナーの録画
  
• Ernie Chan：クオンツ取引のための機械学習Webセミナー（リンク）。機械学習に関する1時間のWebセミナー
• Alpaca CTO原田均：金融における深層学習の話（リンク）。 暗号や株式取引を自動化するAPIを開発するAlpaca社のCTOが語る、金融における深層学習
  
• 予測マシン。Pythonによる金融における深層学習の話（リンク）。講演者のBen Ballは、TensorFlowを使ってPythonで強化学習アルゴリズムを実装する方法と、深層学習アルゴリズムのクラスと金融市場への応用に関する背景情報を紹介します
  
• エセックス大学修士論文発表会：リミット・オーダー・ブックの分析、深層学習アプローチ（リンク）。 
• タッカー・R・バウチ：取引への深層強化学習の適用（リンク）。エセックス大学のアルゴリズム取引修士課程における最終プロジェクトの発表会。本プロジェクトでは、畳み込みニューラルネットワークを用いて、Order Book Level 2 (DOM Level-2)から情報を抽出することを目的としています
• クリシュ・ナイク：Stacked LSTM-深層学習を使用した株価予測と予測（リンク）。株式市場予測のための機械学習モデルの構築。株式市場予測とは、金融取引所で取引されている企業の株式やその他の金融商品の将来の価値を見極めようとするものです

ブログと関連Webサイト：

• Quantstart：取引のための機械学習の記事（リンク）。 カテゴリーに分けられた数十本の記事。理論的な基礎、数式、様々なプログラミング言語での計算例などをカバーしています
  
• Quantopian：ML関連統計のレクチャーノート（リンク）。Webサイトはもうありませんが、Ihor Marusykさんのおかげで、この伝説的な資料の全56回の講義を読んだり見たりすることができます
  
• AAA Quants：Tom Starkeのブログ（Link）。ブログのテーマは、「AIを活用した金融向けソリューション、定量分析、データ処理」です。 よく構成された一連の記事はPythonのコードで補完され、アルゴリズム取引に数学を適用する方法を知ることができます。
  
• RobotWealth：Kris Longmoreのブログ（リンク）。こちらも機械学習に役立つブログです。また、アルゴリズム取引に関する書籍や論文のレビューも掲載している非常に興味深い資料です
  
• Blackarbsのブログ（リンク）。かつて裁量取引で失敗してその後Python、定量分析、完全自動売買に切り替えたトレーダーによる興味深いブログです。2013年以降自身の考えや手法を綴った数々の出版物が掲載されています
  
• Hardikp、Hardik Patelのブログ（リンク）。イントラデイトレードのための機械学習、ニューラルネットワーク、株価予測など
  

• トレーダーとのチャットEP042：Bert Mouler氏と考える「アルゴリズム取引のための機械学習」（リンク）
• トレーダーとのチャットEP142：Bert Mouler氏と考える「人間の欠陥を回避するために自動化を使用するアルゴトレーダー」（リンク）
• トレーダーとのチャットEP147：Tom Starke氏と考える「実行可能な取引戦略を導き出す探偵業」（リンク）
• トレーダーとのチャットQuantopian 5：Max Margenot氏と考える「金融における機械学習の上手な使い方」（リンク）
• トレーダーとのチャットEP131：Morgan Slade氏と考える「機械学習を駆使した取引戦略」（リンク）
• Better System Trader EP023：ポートフォリオマネジャーMichael Himmel氏が語る、取引におけるAIと機械学習（リンク）
• Better System Trader EP028：デイビット・アロンソン氏がブル・マーケットとベア・マーケットを識別する指標に関する研究を紹介（リンク）
• Better System Trader EP082：Kris Longmore氏の「機械学習」（リンク）
• Better System Trader EP064：Bert Mouler氏の「暗号通貨と機械学習」（リンク）
• Better System Trader EP090：Michael Halls-Moore氏の「アルゴ戦略を設計するためのこのクオンツのアプローチ」（リンク）

学術論文

• Cumming, James「An Investigation into the Use of Reinforcement Learning Techniques within the Algorithmic Trading Domain」（リンク）
• マルコス・ロペス・デ・プラド「The 10 reasons most Machine Learning Funds fails 」（リンク）
• Xiong, Zhuoran et al.「Practical Deep Reinforcement Learning Approach for Stock Trading」（リンク）
• Ritter, Gordon「Machine Learning for Trading 」（リンク）
• Heaton, J.B. et al.「Deep Learning for Finance:Deep Portfolios」（リンク）
• Sirignano, Justin et al.「Universal Features of Price Formation in Financial Markets:Perspectives From Deep Learning 」（リンク）
• Messmer, Marcial「Deep Learning and the Cross-Section of Expected Returns」（リンク）
• マルコス・ロペス・デ・プラド「Ten Financial Applications of Machine Learning」 （発表スライド）（リンク）
• マルコス・ロペス・デ・プラド「The Myth and Reality of Financial Machine Learning 」（発表スライド）（リンク）
• Sepp, Artur「Machine Learning for Volatility Trading」 （発表スライド）（リンク）
• マルコス・ロペス・デ・プラド「Market Microstructure in the Age of Machine Learning 」（リンク）
• Brogaard, Jonathan「Machine Learning and the Stock Market」（リンク）
• Milan FičuraForecasting Foreign Exchange Rate Movements with k-Nearest-Neighbour, Ridge Regression and Feed-Forward Neural Networks（リンク）
• Edet, Samuel「Recurrent Neural Networks in Forecasting S&P 500 Index 」（リンク）Hedayati, Amin et al.「Stock Market Index Prediction Using Artificial Neural Network」（リンク）
• Sen, Jaydip et al.「A Robust Predictive Model for Stock Price Forecasting 」（リンク）
• Sezer, O.B. et al.「An Artificial Neural Network-based Stock Trading System Using Technical Analysis and Big Data Framework」（リンク）
• Singh, Ritika.「Stock prediction using deep learning 」（リンク）
• Fischera Thomas, et al.「Deep learning with long short-term memory networks for financial market predictions」（リンク）
• Cavalcante,R.C. et al.「Computational Intelligence and Financial Markets:A Survey and Future Directions 」（リンク）
• E.Chong et al.「Deep Learning Networks for Stock Market Analysis and Prediction:Methodology, Data Representations, and Case Studies 」（リンク）
• Chien Yi Huang「Financial Trading as a Game:A Deep Reinforcement Learning Approach 」（リンク）
• W.Bao et al.「A deep learning framework for financial time series using stacked autoencoders and longshort term memory 」（リンク）
• Zhou, Xingyu et al.「Stock Market Prediction on High-Frequency Data Using Generative Adversarial Nets 」（リンク）
• Feng, Fuli et al.「Improving Stock Movement Prediction with Adversarial Training」（リンク）
• Z.Zhao et al.「Time-Weighted LSTM Model with Redefined Labeling for Stock Trend Prediction」（リンク）
• Arthur le Calvez, Dave Cliff.「Deep Learning can Replicate Adaptive Traders in a Limit-Order-Book Financial Market」（リンク）
• Dang Lien Minh et al.「Deep Learning Approach for Short-Term Stock Trends Prediction Based on Two-Stream Gated Recurrent Unit Network」（リンク）
• Yue Deng et al.「Deep Direct Reinforcement Learning for Financial Signal Representation and Trading 」（リンク）
• Xiao Zhong.「A comprehensive cluster and classification mining procedure for daily stock market return forecasting 」（リンク）
• J.Zhang et al.「A novel data-driven stock price trend prediction system」（リンク）
• Hoseinzade, Ehsan et al.「CNNPredCNN-based stock market prediction using several data sources 」（リンク）
• Chung, Hyejung et al.「Genetic Algorithm-Optimized Long Short-Term Memory Network for Stock Market Prediction」（リンク）
• Baek, Yujin et al.「ModAugNet:A new forecasting framework for stock market index value with an overfitting prevention LSTM module and a prediction LSTM module」（リンク）
• Dash, Rajashree et al.「A hybrid stock trading framework integrating technical analysis with machine learning techniques」（リンク）
• E.A.Gerlein et al.「Evaluating machine learning classification for financial trading: an empirical approach」（リンク)
• Sirignano, Justin「Deep Learning for Limit Order Books」（リンク)

ニュースとセンチメントトレーディング

各通信社から放送されるニュースの量は常に増え続けています。このデータストリームから利益を得るにはフィルタの適用が必要であったため、この機能は主に大規模な投資会社の調査部門で使用されていました。しかし、ニュースコンテンツのデジタル化、計算能力の発達、言語学的な解釈方法の登場により、これらのデータを効率的かつ迅速に分析することが可能になりました。このデータを分析するプログラムは、一般にセンチメントアルゴリズムと呼ばれています。

• Frank Z. Xing et al.「Natural language based financial forecasting: a survey 」（リンク）。データと様々な技術が利用できるようになったことで、自然言語処理(NLP)技術の質的発展がもたらされました。この能力の向上により、市場のセンチメントをより正確に把握することができるようになりました。
  
• Ziniu Hu et al.「Listening to Chaotic Whispers:A Deep Learning Framework for News-oriented Stock Trend Prediction」（リンク）。最近の一連の関連イベントから株価の動向を予測することを目的としたハイブリッドアテンションネットワークについて説明します。
  
• J.W.Leung, Master Thesis, MIT.「Application of Machine Learning:Automated Trading Informed by Event Driven Data」（リンク）。テクニカル分析指標と市場センチメントの両方について、機械学習法を使用して
  取引戦略を作成する方法について説明します。説明されている予測モデルは、任意の証券取引所におけるアルゴリズム取引として使用することができます。
  
• Xiao Ding et al.｢Deep Learning for Event-Driven Stock Prediction｣（リンク）。イベントドリブンな株式市場予測のための深層学習手法についての記事です。まず、ニューステキストからイベントを抽出し、新規のニューラルテンソルネットワークを用いて学習させた密なベクトルとして表現し、次に、深層畳み込みニューラルネットワークを用いて、イベントが株価の動きに与える短期的な影響と長期的な影響の両方をモデル化します。
  

結論

この記事の目的は、一般に公開されている機械学習のチュートリアルを簡潔にまとめ、トレーダーに提供することです。初心者の方でも、何かが参考になり、さらなる開発のヒントになればと思います。ご紹介した資料の中には、単なるテクニカル指標の理解やプログラミングのスキルをはるかに超える知識を必要とするものがあるかもしれません。

いずれかの分野が難しすぎると感じたときに、機械学習の分野をマスターするためにWeb上でどのコースを探せばいいのかお分かりになったと思います。MQL5.communityを通じて、新しいことを学び、他のトレーダーを支援し、この複雑で興味深い分野のリンクやご自分のアイデアを共有してください。