金融時系列のための データ拡張入門 tonic 2024/3/28

1. 自己紹介 tonic（＠tonic3561） ・フリーランスDS ・Kaggler

目次 1. データ拡張、mixupとは？ 2. テーブルデータとデータ拡張 3. 金融時系列でのmixup検証 a. 問題設計（Optiver vs Jquants API） b. 結果・考察 4. まとめ

1. データ拡張、mixupとは？ ◼ データ拡張（Data Augmentation） • 学習データにある変換をかけ、データ量を増やす手法 • 画像や文章をNeural Networkで扱う場合に広く用いられる Flip Crop Rotate

1. データ拡張、mixupとは？ ◼ mixup … 2つのデータを適当な割合で合成するデータ拡張の手法 • 特徴量、ラベルの両方を混ぜ合わせるのがポイント 𝑦1 = [1, 0] 𝑦2 = [0, 1] 𝑦 = [0.7, 0.3]

2. テーブルデータとデータ拡張 ◼ （金融時系列を含む）テーブルデータでは、データ拡張の有効性は不明瞭 • ラベル情報を保存する変換が自明ではない • 「ミニバッチごとに拡張データを生成」というフローがGBDTと相性悪い … etc ◼ ただし夢はある • 金融時系列のデータ不足問題を解消？ • ノイズを乗り越えた汎化性向上？ ？ 金融時系列のmixupは いいぞ… 某マケデコAMAにて

3.金融時系列でのmixup検証 ◼ そこで、以下の2つの問題設計でmixupの効果を検証 1. 板情報データから1分後のリターンを予測 2. Jquants API データから日次リターンを予測 ？ データ拡張はロバストな 問題設計なら効くぞ… 某マケデコ Discord chにて ← ロバスト ← 非ロバスト

3.a. 問題設計 ◼ 分次リターン予測（Optiver） • Kaggle で最近開催された金融コンペの問題設計を利用 • データ範囲： 匿名の200銘柄 * (480日 * 55 snapshot) • 評価指標： MAE • 目的変数： 各銘柄の60秒後のスペシフィックリターン • 特徴量： NasdaqでのClosing Auction板の集約情報 例） インバランスサイズ、ベスト価格・サイズ、WA …

3.a. 問題設計 ◼ 日次リターン予測（Jquants API） • Jquants API ライトプランで取得可能な日次データ（4本値、財務情報）を利用 • データ範囲： 198銘柄（N225から抽出）* 5年分 • 評価指標： 相関係数 • 目的変数： 各銘柄の日次相対リターン • 特徴量： ファクター別指数ランキングから10個程度ピックアップ 例） ROE、時価総額、移動平均乖離…

3.a. 問題設計 ◼ モデル・評価方法 • Optiverの解法で用いたNeural Networkのアーキテクチャを使用 • mixupの有無、適用率（※）による精度の違いを調べる • 特徴量集合に対して、ミニバッチごとにランダムに拡張を行う • mixupのPytorchでの実装はこちら（2023マケデコアドベントカレンダー） ※適用率 … ミニバッチ内でmixupを適用するデータの割合

3.b. 結果・考察 ◼ 分次リターン予測 … mixupの効果あり • リーダーボードなら、tonicの位置（89位）から -50～+40位くらい ◼ 日次リターン予測 … mixupでむしろ悪化 • ただし、適用率は大きいほど精度が上がる傾向 適用率 相関係数 MAE 0.0 0.2107 6.2440 0.7 0.2122 6.2402 適用率 相関係数 標準誤差 0.0 0.0346 0.0031 0.5 0.0278 0.0044 0.7 0.0280 0.0049 1.0 0.0290 0.0047 分次リターン 日次リターン

4. まとめ ◼ 金融時系列におけるデータ拡張（mixup）の有効性を検証 ◼ ロバストな問題設計では効果あり！ • 汎用かつ手軽にデータを増やせるのでぜひお試しあれ • データ不足で解けなかったタスクも解けるかも？ ◼ 非ロバストな問題では工夫が必要かも • 今回は特徴量集合をランダムに合成したが…考えられる方法はたくさん • 特徴量を合成 vs 元系列を合成？ • 似たデータ点（同日、同銘柄、同セクターetc）を合成？ • 分類タスクでソフトラベルを利用？