[1H5-OS-8c] 金融・会計・経済における情報学

[1H5-OS-8c-04] Neural Additive Modelsの株式ファクターモデルへの応用

〇真辺 幸喜¹、中川 慧^1,2 (1. 野村アセットマネジメント株式会社、2. 大阪公立大学)

キーワード：Neural Additive Models、解釈性、金融クロスセクション予測、株式ファクターモデル

株価予測において，大量のファクターを同時に扱いそれらの非線形な関係を考慮できる深層マルチファクターモデルが提案され，応用が進んでいる．しかし，深層学習モデルは一般に出力結果の解釈が難しく，運用実務においては説明責任の観点から課題が残る．これに対し本研究では，解釈可能性を備えた深層学習モデルとして提案されたNeural Additive Models (NAM)に注目する．
NAMは，各入力特徴量に対応する個別のサブネットワークを利用し，それらの出力を線形に結合して予測を行う構造を持つ．これにより，特定の特徴量と予測結果との関係の可視化，ひいては，モデルの解釈が比較的容易であるとされる．一方，サブネットワークの複雑性が高まるとやはり単純な線形モデルほどの解釈性は見込めない．本研究では，モデルが特定の特徴量の増減に対して一貫した挙動を示すための要件として符号制約，および，単調性制約(特徴量と出力の符号関係・単調関係の維持）に着目，これらを満たす正則化項をNAMに導入する手法を提案する．数値シミュレーションにより本研究の提案手法がNAMの解釈性を向上させることを確認した．