JP7249398B1 - 相場分析装置及び相場分析方法 - Google Patents
相場分析装置及び相場分析方法 Download PDFInfo
- Publication number
- JP7249398B1 JP7249398B1 JP2021210815A JP2021210815A JP7249398B1 JP 7249398 B1 JP7249398 B1 JP 7249398B1 JP 2021210815 A JP2021210815 A JP 2021210815A JP 2021210815 A JP2021210815 A JP 2021210815A JP 7249398 B1 JP7249398 B1 JP 7249398B1
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- period
- similar
- price
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 64
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
本開示は、フィンテックを利用した相場分析装置及び相場分析方法に関する。
株式、債券、為替、これらの派生商品、その他の商品等の各種資産のトレーダーは、取引対象の資産の将来の値動きを予測するため、しばしば過去の値動きに関するデータを利用する(チャート分析)。例えば、トレーダーは、取引対象の資産の直近の値動きに類似する過去の値動きを参考にして、当該資産の以降の値動きを予測する。
情報通信技術の進歩によって、コンピュータが金融の様々な分野に積極的に利用されるようになってきており、コンピュータベースの各種金融技術(フィンテック)の開発が進んでいる。例えば、チャート分析にもコンピュータが利用され、コンピュータベースの各種相場分析ツールがトレーダーによって利用されてきている。
本開示の1つの課題は、コンピュータを利用した新規な相場分析技術を提供することである。
本開示の一態様は、検索対象の資産と検索期間とを受け付け、前記検索期間における前記資産の値動きに類似する類似期間と類似度とを提供するユーザインタフェース部と、価格データベースから各類似指標に対して前記類似期間を抽出し、前記抽出した類似期間の個別類似度を決定する類似期間抽出部と、各類似指標の個別重みを算出する類似指標重み算出部と、前記個別類似度と前記個別重みとに基づいて、前記受け付けた資産の検索期間に対する前記類似期間の類似度を決定する類似度決定部と、を有する、相場分析装置に関する。
本開示によれば、コンピュータを利用した新規な相場分析技術を提供することができる。
以下、図面を参照して本開示の実施の形態を説明する。
以下の実施例では、トレーダー等のユーザが株式、債券、為替、これらの派生商品、その他の商品等の資産を取引することを支援する相場分析装置が開示される。
[概略]
図1に示されるように、本開示の一実施例による相場分析装置100は、端末60から検索対象資産及び検索期間を受け付けると、受け付けた検索対象資産の価格データを価格データベース50から取得し、受け付けた検索期間の値動きに類似する当該検索対象資産の値動きを示す他の期間(以降、類似期間又は類似期間候補と呼ぶ)を取得した価格データから抽出する。さらに、相場分析装置100は、類似期間を抽出するだけでなく、当該類似期間の値動きと検索期間の値動きとの間の類似度を決定し、抽出した類似期間とその類似度とを端末60に提供する。なお、図1に示されるように、相場分析装置100は、端末60と独立した情報処理装置であってよく、端末60上に表示されたブラウザを介し操作可能であってもよいし、あるいは、端末60に組み込まれてもよい。
図1に示されるように、本開示の一実施例による相場分析装置100は、端末60から検索対象資産及び検索期間を受け付けると、受け付けた検索対象資産の価格データを価格データベース50から取得し、受け付けた検索期間の値動きに類似する当該検索対象資産の値動きを示す他の期間(以降、類似期間又は類似期間候補と呼ぶ)を取得した価格データから抽出する。さらに、相場分析装置100は、類似期間を抽出するだけでなく、当該類似期間の値動きと検索期間の値動きとの間の類似度を決定し、抽出した類似期間とその類似度とを端末60に提供する。なお、図1に示されるように、相場分析装置100は、端末60と独立した情報処理装置であってよく、端末60上に表示されたブラウザを介し操作可能であってもよいし、あるいは、端末60に組み込まれてもよい。
より詳細には、図1に示されるように、相場分析装置100は、類似期間抽出モデルを利用して、検索期間における検索対象資産の値動きから複数のテクニカル指標を算出し、各テクニカル指標に対して検索期間と類似した値動きを示す1つ以上の類似期間候補を価格データベース50から抽出する。さらに、相場分析装置100は、類似期間抽出モデルを利用して、各テクニカル指標に基づく類似指標に対して、検索期間と類似期間候補との間の類似度(以降、個別類似度と呼ぶ)を算出する。以下の実施例では、各資産の値動きは、各取引日における当該資産の4本値、すなわち、始値、高値、安値及び終値から構成され、複数のテクニカル指標は、限定されることなく、残差キャンドル、生キャンドル、トレンド、抵抗線、支持線及びRSI(Relative Strength Index)の2つ以上を含む。この場合、相場分析装置100は、類似期間抽出モデルを利用して、検索対象資産の検索期間の値動きから残差キャンドル、生キャンドル、トレンド、抵抗線、支持線及びRSIを算出し、これらのテクニカル指標のそれぞれに関して検索期間に類似する1つ以上の類似期間候補を抽出し、更に各類似期間候補の個別類似度を決定する。
また、相場分析装置100は、重み算出モデルを利用して、検索対象資産の検索期間に対する各類似指標の相対的な重要性を示す個別重みを決定する。例えば、重み算出モデルによると、当該検索期間における検索対象資産の値動をより良好に表すテクニカル指標に対しては、当該テクニカル指標に基づく類似指標の個別重みがより大きな値になるよう調整される。一方、当該検索期間における検索対象資産の値動を良好に表さないテクニカル指標に対しては、当該テクニカル指標に基づく類似指標の個別重みがより小さな値になるよう調整される。
類似指標毎の類似期間候補及び個別類似度と各類似指標の個別重みとを決定すると、相場分析装置100は、類似度決定モデルを利用して、個別類似度と個別重みとに基づいて、検索対象資産の検索期間に対する各類似期間候補のトータルの類似度を決定する。各類似期間候補のトータルの類似度を決定すると、相場分析装置100は、例えば、最も高いトータルの類似度の類似期間候補を検索対象資産の検索期間の類似期間として出力してもよい。また、相場分析装置100は、当該類似期間のトータルの類似度を当該類似期間の類似度として出力してもよい。
このようにして、検索対象資産と検索期間とがユーザによって指定されると、相場分析装置100は、類似期間抽出モデルを利用して、テクニカル指標に基づく類似指標毎の類似期間候補と各類似期間候補の個別類似度とを決定し、重み算出モデルを利用して、類似指標毎の個別重みを決定する。そして、相場分析装置100は、類似度決定モデルを利用して、決定した類似期間候補、個別類似度及び個別重みから、指定された検索対象資産の検索期間の値動きに最も類似した類似期間及びその類似度を出力する。これにより、ユーザは、指定した検索対象資産の検索期間に最も類似した当該資産の過去の値動きを示す類似期間を迅速に特定することができると共に、特定された類似期間の類似度を確認することができる。
ここで、相場分析装置100は、サーバ、パーソナルコンピュータ等の計算装置によって実現され、例えば、図2に示されるようなハードウェア構成を有してもよい。すなわち、相場分析装置100は、バスBを介し相互接続される記憶装置101、プロセッサ102、ユーザインタフェース(UI)装置103及び通信装置104を有する。
相場分析装置100における後述される各種機能及び処理を実現するプログラム又は指示は、ネットワークなどを介し何れかの外部装置からダウンロードされてもよいし、CD-ROM(Compact Disk-Read Only Memory)、フラッシュメモリ等の着脱可能な記憶媒体から提供されてもよい。記憶装置101は、ランダムアクセスメモリ、フラッシュメモリ、ハードディスクドライブなどによって実現され、インストールされたプログラム又は指示と共に、プログラム又は指示の実行に用いられるファイル、データ等を格納する。記憶装置101は、非一時的な記憶媒体(non-transitory storage medium)を含んでもよい。
プロセッサ102は、1つ以上のプロセッサコアから構成されうる1つ以上のCPU(Central Processing Unit)、GPU(Graphics Processing Unit)、処理回路(processing circuitry)等によって実現されてもよく、記憶装置101に格納されたプログラム、指示、当該プログラム若しくは指示を実行するのに必要なパラメータなどのデータ等に従って、後述される相場分析装置100の各種機能及び処理を実行する。ユーザインタフェース(UI)装置103は、キーボード、マウス、カメラ、マイクロフォン等の入力装置、ディスプレイ、スピーカ、ヘッドセット、プリンタ等の出力装置、タッチパネル等の入出力装置から構成されてもよく、ユーザと相場分析装置100との間のインタフェースを実現する。例えば、ユーザは、ディスプレイ又はタッチパネルに表示されたGUI(Graphical User Interface)をキーボード、マウス等を操作し、相場分析装置100を操作する。通信装置104は、外部装置、インターネット、LAN(Local Area Network)等の通信ネットワークとの通信処理を実行する各種通信回路により実現される。
しかしながら、上述したハードウェア構成は単なる一例であり、本開示による相場分析装置100は、他の何れか適切なハードウェア構成により実現されてもよい。
[相場分析装置]
次に、図3~6を参照して、本開示の一実施例による相場分析装置100を説明する。図3は、本開示の一実施例による相場分析装置100の機能構成を示すブロック図である。
次に、図3~6を参照して、本開示の一実施例による相場分析装置100を説明する。図3は、本開示の一実施例による相場分析装置100の機能構成を示すブロック図である。
図3に示されるように、相場分析装置100は、ユーザインタフェース部110、類似期間抽出部120、類似指標重み算出部130及び類似度決定部140を有する。
ユーザインタフェース部110は、検索対象の資産と検索期間とを受け付け、検索期間における当該資産の値動きに類似する類似期間と類似度とを提供する。具体的には、ユーザインタフェース部110は、ユーザによって端末60から検索対象資産と検索期間とを受け付けると、受け付けた検索対象資産と検索期間とを類似期間抽出部120及び類似指標重み算出部130に提供する。そして、類似度決定部140によって類似期間と類似度とが決定されると、ユーザインタフェース部110は、決定された類似期間と類似度とを端末60に提供する。例えば、ユーザインタフェース部110は、端末60上に表示された相場分析ツールの受付画面を介し検索対象資産(例えば、株式A)と検索期間(2020年4月1日~2020年6月30日など)とを受け付け、受け付けた検索対象資産の検索期間に対応する類似期間(例えば、2012年11月15日~2013年2月14日など)と、当該類似期間と検索期間との当該資産の値動きの類似度(例えば、X点、X%など)とを端末60の出力画面に表示してもよい。なお、検索期間と類似期間とは、典型的には、同じ長さの期間とされる。
類似期間抽出部120は、価格データベース50から各類似指標に対して類似期間を抽出し、抽出した類似期間の個別類似度を決定する。具体的には、類似期間抽出部120は、ユーザインタフェース部110から取得した検索対象資産(例えば、株式A)と検索期間(2020年4月1日~2020年6月30日など)とを類似期間抽出モデルに入力する。類似期間抽出モデルでは、価格データベース50から検索対象資産の時系列の価格データが抽出され、検索期間における当該資産の価格データから所定の複数のテクニカル指標が算出される。価格データは、典型的には、各取引日における当該資産の始値、高値、安値及び終値の4本値データから構成されてもよい。
例えば、所定の複数のテクニカル指標は、残差キャンドル、生キャンドル、トレンド、抵抗線、支持線及びRSI(Relative Strength Index)の2つ以上を含んでもよい。
ここで、生キャンドルは4本値自体である一方、残差キャンドルは、4本値から時系列のトレンド成分(例えば、何れかの期間の移動平均値)を差し引いたものとして定義される。トレンドは、何れかの期間の移動平均線(例えば、25週移動平均線)であり、抵抗線は、過去の価格の2つの上値を結んだ直線であり、支持線は、過去の価格の2つの下値を結んだ直線である。RSIは、過去の一定期間の上げ幅(前日比)の合計を、同じ期間の上げ幅の合計と下げ幅の合計を足した数字で割って、100を掛けたものである。なお、本実施例では、残差キャンドル、生キャンドル、トレンド、抵抗線、支持線及びRSIがテクニカル指標として利用されるが、本開示は必ずしもこれらに限定されず、他の何れかのテクニカル指標が利用されてもよい。
各類似指標は、上述した各テクニカル指標に基づくものであり、対応するテクニカル指標に関する検索期間の値動きと類似期間候補の値動きとの間の類似度を示す。
例えば、残差キャンドルに基づく類似指標は、検索期間と類似期間候補とのそれぞれに対して、期間の終了日までの所定の日数の残差キャンドルをベクトルとみなし、主成分分析を用いてベクトルを次元圧縮する。そして、圧縮された2つのベクトルのコサイン類似度を算出し、算出したコサイン類似度を正規化することによって、残差キャンドルに基づく類似指標の値(以降、個別類似度と呼ぶ)が算出される。
生キャンドルに基づく類似指標は、期間の終了日までの所定の日数の生キャンドルをベクトルとみなし、主成分分析を用いてベクトルを次元圧縮する。そして、圧縮された2つのベクトルのコサイン類似度を算出し、算出したコサイン類似度を正規化することによって、生キャンドルに基づく類似指標の個別類似度が算出される。
次に、トレンドに基づく類似指標は、検索期間と類似期間候補とのそれぞれに対して何れかの期間の移動平均線(例えば、25週移動平均線)などの時系列のトレンド成分を抽出し、動的時間伸縮法を用いて2つのトレンド成分の距離を計算及び正規化することによって、トレンドに基づく類似指標の個別類似度が算出される。
次に、抵抗線又は支持線に基づく類似指標は、検索期間と類似期間候補とのそれぞれに対して抵抗線又は支持線と期間の終了日の終値との間の距離を算出し、抵抗線又は支持線と終値との間の2つの距離の類似度を計算することによって、抵抗線又は支持線に基づく類似指標の個別類似度が算出される。
次に、RSIに基づく類似指標は、検索期間と類似期間候補とのそれぞれのRSIを算出し、動的時間伸縮法を用いて2つのRSIの距離を計算及び正規化することによって、RSIに基づく類似指標の個別類似度が算出される。
類似期間抽出部120は、価格データベース50から抽出した検索対象資産(例えば、株式A)の時系列の価格データから、検索期間と同じ長さの各期間に対して検索期間と当該期間との間の残差キャンドル、生キャンドル、トレンド、抵抗線、支持線及びRSIの各テクニカル指標に対応する類似指標の個別類似度を算出し、類似指標毎に上位所定数個の期間を類似期間候補として抽出する。また、類似期間抽出部120は、抽出した類似期間候補の個別類似度を算出する。例えば、類似期間抽出部120は、図4に示されるようなテーブル形式によって、各類似指標に対して上位所定数個の類似期間候補と個別類似度とを出力してもよい。類似期間抽出部120は、各類似指標に対して決定した類似期間候補と個別類似度とを類似度決定部140に提供する。
類似指標重み算出部130は、各類似指標の個別重みを算出する。ここで、各類似指標の個別重みは、検索期間における検索対象資産の値動きに対する複数の類似指標の相対的な重要性を示すものであってもよい。具体的には、類似指標重み算出部130は、ユーザインタフェース部110から取得した検索対象資産(例えば、株式A)と検索期間(2020年4月1日~2020年6月30日など)とを重み算出モデルに入力する。重み算出モデルでは、検索対象資産の検索期間における各類似指標(例えば、残差キャンドル、生キャンドル、トレンド、抵抗線、支持線及びRSIに基づく類似指標)の重要度が個別重みとして算出される。
残差キャンドルに基づく類似指標については、検索期間における検索対象資産の残差キャンドルの標準偏差を算出し、検索期間の終了日の残差キャンドルの値が算出した標準偏差に対して大きいほど、個別重みが大きくなるよう設定される。生キャンドルに基づく類似指標については、検索期間における検索対象資産の生キャンドルの標準偏差を算出し、検索期間の終了日の生キャンドルの値が算出した標準偏差に対して大きいほど、個別重みが大きくなるよう設定される。
トレンドに基づく類似指標については、所定値(例えば、100%)が個別重みとして設定される。抵抗線又は支持線に基づく類似指標については、検索期間の終了日の終値が抵抗線又は支持線から離れているほど、個別重みが大きくなるよう設定される。RSIに基づく類似指標については、検索期間の終了日のRSIが所定の閾値を上回る又は下回ると、個別重みが大きくなるよう設定される。
しかしながら、本開示による重み算出モデルは、これに限定されず、他の何れか適切な個別重みの設定が適用されてもよい。図5に示されるように、検索期間における検索対象資産の値動きに対して各類似指標の個別重みを算出すると、類似指標重み算出部130は、算出した個別重みを類似度決定部140に提供する。
類似度決定部140は、個別類似度と個別重みとに基づいて、検索対象資産の検索期間に対する類似期間の類似度を決定する。具体的には、類似度決定部140は、類似期間抽出モデルによって抽出された各類似期間候補に対する類似指標毎の個別類似度と、重み算出モデルによって算出された個別重みとの加重和として、各類似期間候補のトータルの類似度を決定する。
例えば、類似期間抽出部120から類似期間候補SPCiと6つの類似指標の個別類似度SPCi_SS1~SS6とを取得し、類似指標重み算出部130から6つの個別重みSW1~SW6を取得すると、類似度決定部140は、類似期間候補SPCiのトータルの類似度SPCi_Sを以下の式によって計算する。
SPCi_S=SPCi_SS1×SW1+SPCi_SS2×SW2+SPCi_SS3×SW3+SPCi_SS4×SW4+SPCi_SS5×SW5+SPCi_SS6×SW6
SPCi_S=SPCi_SS1×SW1+SPCi_SS2×SW2+SPCi_SS3×SW3+SPCi_SS4×SW4+SPCi_SS5×SW5+SPCi_SS6×SW6
このようにして、類似期間抽出部120によって抽出された全て又は一部の類似期間候補に対してトータルの類似度を算出すると、類似度決定部140は、上位所定数の類似度の類似期間候補を決定し、図6に示されるようなテーブル形式によって、決定した類似期間候補を類似度と共に端末60に通知してもよい。これにより、ユーザは、指定した検索期間における検索対象資産の値動きに類似した1つ以上の類似期間を端末60上で確認することが可能になる。
一実施例では、類似度決定部140は、決定した類似期間候補について、終了日から起算して所定の期間における検索対象資産の値動きを端末60に提供してもよい。例えば、現在から直近3ヶ月間の株式Aの値動きに類似する類似期間候補が抽出されると、ユーザは、抽出された類似期間候補のその後の値動きを参照して、株式Aの今後の値動きを予想することを所望しうる。このため、類似度決定部140は、抽出した類似期間候補(=3ヶ月間)と共に、その後の所定期間(例えば、6ヶ月間)の値動きを端末60に提供してもよい。
[相場分析処理]
次に、図7を参照して、本開示の一実施例による相場分析処理を説明する。当該相場分析処理は、上述した相場分析装置100によって実行され、より詳細には、相場分析装置100の1つ以上のプロセッサ102が1つ以上の記憶装置101に格納された1つ以上のプログラム又は指示を実行することによって実現されてもよい。図7は、本開示の一実施例による相場分析処理を示すフローチャートである。
次に、図7を参照して、本開示の一実施例による相場分析処理を説明する。当該相場分析処理は、上述した相場分析装置100によって実行され、より詳細には、相場分析装置100の1つ以上のプロセッサ102が1つ以上の記憶装置101に格納された1つ以上のプログラム又は指示を実行することによって実現されてもよい。図7は、本開示の一実施例による相場分析処理を示すフローチャートである。
図7に示されるように、ステップS101において、相場分析装置100は、検索対象資産と検索期間とを受け付ける。具体的には、相場分析装置100は、端末60からユーザによって指定された検索対象資産と検索期間とを受信する。
ステップS102において、相場分析装置100は、受け付けた検索期間における検索対象資産の値動きに類似する類似期間候補を抽出し、抽出した各類似期間候補について各類似指標の個別類似度を決定する。ここで、各類似指標は、所定のテクニカル指標のそれぞれに基づくものであってもよい。テクニカル指標としては、例えば、残差キャンドル、生キャンドル、トレンド、抵抗線、支持線及びRSIなどが利用されてもよい。具体的には、相場分析装置100は、価格データベース50から検索対象資産の価格データを取得し、類似期間抽出モデルを利用して、図4に示されるように、受け付けた検索期間における検索対象資産の値動きに類似する類似期間候補と個別類似度とを決定する。
ステップS103において、相場分析装置100は、各類似指標の個別重みを算出する。具体的には、相場分析装置100は、重み算出モデルを利用して、検索対象資産の検索期間における値動きに対する各類似指標の相対的な重要度を決定し、図5に示されるように、重要度に対応して各類似指標の個別類似度を重み付けするための個別重みを算出する。
ステップS104において、相場分析装置100は、ステップS102において決定した類似期間候補及び個別類似度と、ステップS103において決定した各類似指標の個別重みとに基づいて、各類似期間候補のトータルの類似度を決定する。具体的には、相場分析装置100は、類似度決定モデルを利用して、各類似期間候補に対して当該類似期間候補の個別類似度と個別重みとの加重和を算出し、図6に示されるように、算出した加重和を当該類似期間候補のトータルの類似度として出力する。出力された各類似期間候補とその類似度とは、例えば、端末60上でユーザに表示されてもよい。
次に、図8を参照して、本開示の他の実施例による相場分析装置100を説明する。本実施例による相場分析装置100は、上述したように決定した類似期間候補及びそれらの類似度をユーザに通知し、通知した類似期間候補及び類似度に対するフィードバックをユーザから受け付ける。そして、相場分析装置100は、重み更新モデルを利用して、受け付けたフィードバックに基づいて個別重みを更新する。上述した重み算出モデルからの個別重みが検索期間に対して算出されるのに対して、重み更新モデルは、検索期間に依らない各トレーダーの投資経験等に基づく各テクニカル指標の相対的な重要度を出力する。
重み更新モデルは、例えば、機械学習モデルとして構成されてもよく、ユーザからフィードバックされた各類似期間候補に対する類似当否“True”又は“False”を入力として受け付け、各類似指標の重要度を出力する。出力された重要度は、対応する個別重みと乗算され、個別重みが調整される。例えば、各類似指標の重要度は、パーセンテージとして出力され、各重要度の和は100%となるよう正規化されてもよい。
このような重み更新モデルは、例えば、以下のように訓練されうる。各類似指標の個別重みをアームとする多腕バンディット問題とみなし、トレーダーからのフィードバックをリワード(例えば、類似当否が“True”である場合には1、“False”である場合には0)として、各個別重みを最適化する。なお、各個別重みは連続値であるため、何れか適切な粒度により離散化される。個別重みの探索区間(離散化の粒度)は、訓練の進捗に従って狭められてもよい。これにより、データが蓄積するほど、粒度の細かい最適値を取得することができる。
例えば、あるバンディッドアルゴリズムでは、最適値の精密化と異なる最適値の探索とが同時に行われてもよい。従って、仮にトレーダーのフィードバックの傾向が経時的に変化した場合でも、バンディッドアルゴリズムは徐々に最適値を変更し、トレーダーの直近のフィードバックに基づいて各個別重みの重要度をカスタマイズすることができる。
類似指標重み算出部130は、重み算出モデルから出力された個別重みと、重み更新モデルから出力された重要度とを乗算し、各個別重みを調整する。このとき、個別重みの合成は、100%になるよう正規化されてもよい。
本実施例によると、トレーダー等のユーザからのフィードバックに基づいて個別重みが調整され、ユーザの投資経験等に基づいて相場分析装置100をカスタマイズすることができる。
以上、本開示の実施例について詳述したが、本開示は上述した特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本開示の要旨の範囲内において、種々の変形・変更が可能である。
50 価格データベース
60 端末
100 相場分析装置
110 ユーザインタフェース部
120 類似期間抽出部
130 類似指標重み算出部
140 類似度決定部
60 端末
100 相場分析装置
110 ユーザインタフェース部
120 類似期間抽出部
130 類似指標重み算出部
140 類似度決定部
Claims (6)
- 検索対象の資産と検索期間とを受け付け、前記検索期間における前記資産の値動きに類似する類似期間と類似度とを提供するユーザインタフェース部と、
価格データベースから各類似指標に対して前記類似期間を抽出し、前記抽出した類似期間の個別類似度を決定する類似期間抽出部と、
各類似指標の個別重みを算出する類似指標重み算出部と、
前記個別類似度と前記個別重みとに基づいて、前記受け付けた資産の検索期間に対する前記類似期間の類似度を決定する類似度決定部と、
を有する、相場分析装置。 - 前記資産の値動きは、前記検索期間における各取引日の前記資産の始値、高値、安値及び終値から構成される、請求項1に記載の相場分析装置。
- 各類似指標は、残差キャンドル、生キャンドル、トレンド、抵抗線、支持線又はRSI(Relative Strength Index)に基づく、請求項1又は2に記載の相場分析装置。
- 前記類似度決定部は、前記個別類似度と前記個別重みとの加重和として前記類似度を決定する、請求項1から3の何れか一項に記載の相場分析装置。
- 前記ユーザインタフェース部は更に、前記提供した類似期間に対するフィードバックを受け付け、
前記類似指標重み算出部は、前記フィードバックに基づいて前記個別重みを調整する、請求項1から4の何れか一項に記載の相場分析装置。 - 検索対象の資産と検索期間とを受け付けるステップと、
価格データベースから各類似指標に対して前記検索期間における前記資産の値動きに類似する類似期間を抽出し、前記抽出した類似期間の個別類似度を決定するステップと、
各類似指標の個別重みを算出するステップと、
前記個別類似度と前記個別重みとに基づいて、前記受け付けた資産の検索期間に対する前記類似期間の類似度を決定するステップと、
前記検索期間における前記資産の値動きに類似する類似期間と類似度とを提供するステップと、
を有する、コンピュータが実行する相場分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021210815A JP7249398B1 (ja) | 2021-12-24 | 2021-12-24 | 相場分析装置及び相場分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021210815A JP7249398B1 (ja) | 2021-12-24 | 2021-12-24 | 相場分析装置及び相場分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7249398B1 true JP7249398B1 (ja) | 2023-03-30 |
JP2023095116A JP2023095116A (ja) | 2023-07-06 |
Family
ID=85772198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021210815A Active JP7249398B1 (ja) | 2021-12-24 | 2021-12-24 | 相場分析装置及び相場分析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7249398B1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007087354A (ja) | 2005-09-22 | 2007-04-05 | Masashi Murata | データ判断支援システム及びデータ判断支援方法 |
JP2007257433A (ja) | 2006-03-24 | 2007-10-04 | Konami Digital Entertainment:Kk | 株式銘柄検索装置、株式銘柄検索方法及びプログラム |
JP2008262519A (ja) | 2007-03-18 | 2008-10-30 | Ken Millenium Kk | 銘柄抽出表示方法及び銘柄抽出表示システム |
JP4188273B2 (ja) | 2004-03-31 | 2008-11-26 | 太平洋セメント株式会社 | プレストレストコンクリートの緊張材の破断検出方法 |
JP5204991B2 (ja) | 2007-06-08 | 2013-06-05 | 浜松ホトニクス株式会社 | 光受信回路 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04188273A (ja) * | 1990-11-21 | 1992-07-06 | Nec Corp | 株価パターン照合装置 |
JPH05204991A (ja) * | 1992-01-30 | 1993-08-13 | Hitachi Ltd | 時系列データ検索方法およびこれを用いた検索システム |
US8930247B1 (en) * | 2007-01-31 | 2015-01-06 | Financialsharp, Inc. | System and methods for content-based financial decision making support |
-
2021
- 2021-12-24 JP JP2021210815A patent/JP7249398B1/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4188273B2 (ja) | 2004-03-31 | 2008-11-26 | 太平洋セメント株式会社 | プレストレストコンクリートの緊張材の破断検出方法 |
JP2007087354A (ja) | 2005-09-22 | 2007-04-05 | Masashi Murata | データ判断支援システム及びデータ判断支援方法 |
JP2007257433A (ja) | 2006-03-24 | 2007-10-04 | Konami Digital Entertainment:Kk | 株式銘柄検索装置、株式銘柄検索方法及びプログラム |
JP2008262519A (ja) | 2007-03-18 | 2008-10-30 | Ken Millenium Kk | 銘柄抽出表示方法及び銘柄抽出表示システム |
JP5204991B2 (ja) | 2007-06-08 | 2013-06-05 | 浜松ホトニクス株式会社 | 光受信回路 |
Also Published As
Publication number | Publication date |
---|---|
JP2023095116A (ja) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108475505A (zh) | 使用部分条件从输入序列生成目标序列 | |
EP4044132A1 (en) | Method and apparatus for training adversarial network model, method and apparatus for building character library, and device | |
CN112818686B (zh) | 领域短语挖掘方法、装置和电子设备 | |
CN111612581A (zh) | 一种物品推荐的方法、装置、设备及存储介质 | |
CN108985501B (zh) | 基于指数特征提取的股指预测方法、服务器及存储介质 | |
JP7249398B1 (ja) | 相場分析装置及び相場分析方法 | |
WO2020087828A1 (zh) | 预售风险评估方法、***、计算机装置及可读存储介质 | |
CN113962567A (zh) | 一种信息推荐方法、装置、电子设备和存储介质 | |
US20200250760A1 (en) | Dynamic asset allocation and visualization | |
US20230260060A1 (en) | Real estate bubble prediction based on big data | |
US20180060959A1 (en) | Option pricing | |
TWM548854U (zh) | 分析金融商品資訊的系統 | |
CN115795146A (zh) | 待推荐资源的确定方法、装置、设备及存储介质 | |
CN113010782B (zh) | 需求量获取方法、装置、电子设备以及计算机可读介质 | |
US20220044325A1 (en) | Option pricing | |
CN114969517A (zh) | 对象推荐模型的训练方法、推荐方法、装置及电子设备 | |
CN113962275A (zh) | 样本评估 | |
Ghous et al. | Exchange stock price prediction using time series data: A survey | |
US11488408B2 (en) | Prediction device, prediction method, prediction program | |
JP4621300B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR102136313B1 (ko) | 인공지능 기반의 투자 상품 성과 예측 정보 제공 방법 및 이를 제공하는 서버 | |
JP5946949B1 (ja) | データ分析システム、その制御方法、プログラム、および、記録媒体 | |
JP6905297B1 (ja) | 投資支援システム、投資支援方法および、投資支援プログラム | |
TWM557882U (zh) | 權證商品價值評估系統 | |
WO2022054548A1 (ja) | 情報処理装置、情報処理方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211224 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230228 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230317 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7249398 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |