[3Win5-62] ポートフォリオマネジメントにおける深層強化学習を解釈するための反実仮想説明法
キーワード：解釈可能なAI、反実仮想説明、強化学習、ポートフォリオ構築
ポートフォリオの最適化において，共変量シフトを伴う過去の株価リターン時系列をそのまま「教師」データとして用いると十分に機能しない場合がある．このため，相場環境に動的に適応し，短期の株価変動に依存せず長期的な報酬を最大化する深層強化学習（DRL）をポートフォリオ最適化に活用する意義が大きい．一方で，金融機関が運用の説明責任を果たすには運用プロセスの透明性が求められるが，DRLのブラックボックス的性質がその障害となる．反実仮想技術はDRLに基づく運用プロセスをホワイトボックス化するのに役立つが，特に株価と，株価から派生して計算されるテクニカル指標を入力データとして用いる際に，両者の整合性が取れた反実仮想シナリオをいかに作成するのかが課題であった．本研究では二段階のプロセスを採用し，まず運用目標達成に重要な株式を特定し，その株価を加工して反実仮想シナリオを生成する手法を提案し，本手法によって透明性の高い運用が行えることを実証した．
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。