[3D4-GS-10] AI応用：予測1

[3D4-GS-10-04] LSTM-GNNを用いたイベントニュースの国間の波及予測

〇鈴木 彰人¹、辻 晶弘¹、田代 雄介¹、須田 真太郎¹、鈴木 徳馬¹、伊藤 諒² (1. 三菱UFJトラスト投資工学研究所、2. Fiah株式会社)

[[オンライン]]

キーワード：グラフニューラルネットワーク、グラフアテンションネットワーク、ニュース、グラフ、時系列モデル

世界では日々ニュースが発信され、金融市場や資産価格などに対して様々な影響を与えており、ニュースの情報量を把握することは非常に重要である。本研究の目的は、特定のイベントに対する各国の将来時点のニュースの量を予測することである。予測の際には自国のみならず他国からの情報波及の影響を考慮する必要があり、尚且つその波及に対して時系列構造を考慮する必要があると考えられる。本研究では、他国の情報を考慮したGAT（graph attention network）モデルを、時系列構造を考慮したLSTM-GATモデルに拡張することを試みている。実験の結果、LSTM-GATを用いて他国の情報を追加することで、自国ニュースの時系列情報のみを用いたLSTMや、他国情報は考慮するが時系列構造を考慮しないGATと比較して予測精度が向上することが分かり、本手法の有効性を確認することができた。