中村智久、機械学習アルゴリズムを導入しEPS成長予測モデルを最適化

BLOCKCHAIN • • Uncategorized

2017年の春、日本経済は久しぶりに温かな兆しを見せていた。
安倍政権による構造改革が徐々に成果を上げ、企業収益が回復基調に入り、インフレ期待もわずかに上向いた。
東京株式市場は緩やかな上昇トレンドの中で新たなシグナルを発し、投資家たちは再び「成長性」と「企業利益サイクル」の回帰を語り始めた。
このタイミングで、中村智久は東京とシンガポールの両拠点で新たな研究プロジェクトを立ち上げた。
それは、機械学習アルゴリズムを本格的にEPS成長予測モデル（Earnings per Share Growth Model）に導入し、中期的な銘柄選定および資産配分の精度をさらに高める試みであった。

中村は常々、「企業収益予想こそ株価トレンドの“隠れたエンジン”である」と語っていた。
しかし従来の線形モデルでは、マクロとミクロの複雑な相互作用を十分に捉えきれない。
数年にわたるデータ蓄積を経て、彼はモデルをより深い層へと進化させる決意を固めた。
2017年初頭、彼と研究チームはPythonおよびRの環境上で、ランダムフォレスト（Random Forest）と勾配ブースティング（Gradient Boosting）を用いた新しいアルゴリズムを構築。
従来の回帰モデルでは説明しきれなかった収益成長ドライバーを識別することを目指した。

今回の研究は、従来の量的バックテストとは異なり、より実験的な性格を持っていた。
中村は短期的な予測精度の向上を追うのではなく、モデル構造の自己適応能力に焦点を当てた。
彼は3000社を超える日本上場企業から、財務指標、資金フロー、為替感応度、サプライチェーン連関度など100種類以上の特徴量を抽出。
さらに、PMI（購買担当者景気指数）、鉱工業生産指数、企業信頼感指数などのマクロ経済データも加味した。
これらを機械学習の多層特徴選別機構にかけることで、モデルは経済局面ごとにEPS成長を最も説明し得る因子を自動的に特定できるようになった。
例えば、輸出主導の景気拡大期には「為替」と「設備稼働率」が主要因となり、内需主導の回復期には「キャッシュフロー」と「設備投資」がより強い相関を示した。

3月の研究ブリーフで、中村は次のように記している。
「従来のクオンツ投資が依拠してきたのは理性である。しかし、機械学習はその理性に“自己修正する力”を与える。」
この一文は、彼の研究転換を象徴する注釈となった。
中村にとって、アルゴリズムとは人間の判断を置き換えるものではなく、理性の次元を拡張する道具である。

当時の日本市場は、米国の利上げ観測とアジア資金流出の圧力に晒されていた。
多くのファンドがポジションを縮小し、ボラティリティ回避に動く中、
中村のモデルはデータの奥から異なる兆候を見出した。
企業収益の伸びは鈍化していたが、中小型成長株のEPS修正率が市場平均を明確に上回っていたのだ。
彼はその結果に基づき、製造業および半導体素材分野のETFを積極的に組み入れ、同時に為替ヘッジポジションを維持して全体のボラティリティを抑えた。

3月末、初期のモデル検証結果がまとまり、2016年版の旧モデルに比べて、
新モデルの3か月先EPS成長予測誤差率は12％低下。
特にセクター間比較において顕著な改善を示した。
この成果は即座に投資成績へ反映されたわけではなかったが、
中村は確信を深めた――機械学習の導入こそが、クオンツ投資進化の鍵となると。

中村智久にとって、これは単なる技術革新ではなく、思考様式の進化でもあった。
彼は東京のオフィスで、最も伝統的な紙とペンを使いながら、最先端のアルゴリズムを設計した。
静かな論理の中で、複雑な市場を解きほぐす。
彼の信念は明快だ——「金融の世界において、理性は静止するものではない。理性は学び、成長する。」
2017年の春、彼は自らのモデルに、そして理性そのものに、進化する力を与えた。

Like (0)
BLOCKCHAINBLOCKCHAIN
0
« 前のページ 2016-12-08 pm6:47
次のページ » 2017-05-23 pm9:20

Related Posts