[3D5-GS-2] 機械学習：時系列

[3D5-GS-2-04] 階層型ネットワークの階層構造推定と異常検知への応用

金融時系列データの階層構造分析より金融市場異常検知とその原因分析

〇劉 乃嘉¹、大澤 幸生¹、関口 海良¹、吉野 貴晶²、杉江 利章²、中田 喜之²、夷藤 翔² (1. 東京大学、2. ニッセイアセットマネジメント株式会社)

キーワード：ネットワーク、構造推定、異常検知、金融時系列

「目的」確率ブロックモデルを応用し、ネットワークの潜在的構造を明らかにする。層を重ねることで、ブロックを上位のノードとして扱い、より複雑なネットワーク構造を解析する。人工データと実金融データを用いた検証を行い、通常時期と異常時期の構造変動を検知し、異常原因を分析する。
「手法の概要」変数から隣接行列を推定し、マルコフ連鎖モンテカルロ法でトレーニングする。赤池情報量基準を用いて最適構造を推定する。金融データにはダイナミックタイムワーピングを適用し、共起関係に基づいて隣接行列を生成して、本モデルで構造推定する。異常時期と通常時期の構造比較で異常検知を実現する。
「結果」人工データでモデルの有効性を確認した。金融時系列データで構造の変動を検出し、異常検知ができた。検測された異常時期は金融危機と一致しており、その原因について考察を行った。