はてなブックマーク

株価変動分析においても機械学習の時系列データクラスタリング手法が広く使われている．代表な距離定義はk-Shape法のSBD，及びDTWなどであるが，これらは入力データの標準化を前提とするので，重要な分散(リスク)情報を捨て去ってしまうという問題がある．株価分析においては，現在も，1952年にハリー・マーコウィッツが創案した「収益率の平均 (平均リターン) とリスク(リターンの標準偏差)の散布図」による分析法が広く使われている．この手法ではリスク情報を捨てずに用いているが，より詳細な変動パターン(V字回復，Ｓ字型など)を知るためには，機械学習クラスタリングが必要となる．しかし，例えば，テスラやインドIT企業の株価のように成長率が大きい銘柄の場合，k-Shape法では分散情報が除去されてしまい分析目的に合致しない．そこで我々はAmplitude-based clustering法という，分散情