CPの強み

リスク調整と収益ポテンシャルの最大化を可能にします。

独自開発の人工知能テクノロジーを駆使

CP-AIは、大量の金融データを分析するためのクラウド・コンピューティングを活用。ビッグデータや機械学習の分野におけるコンピュータ技術を活用しています。

cp-global-artificial-intelligence-trading-signal-japanese

CP-AIは、ランダムフォレスト、リカレントニューラルネットワークと呼ばれる高度なモデリング手法によって投資シグナルを作成。これらシグナルにより、ファンドが新たなポジションを取ったり、既存ポジションを調整したりすることが可能となります。

ランダムフォレストとは、多数のディシジョン・ツリーを構築し、個々の平均を出すことによってアクションする機会学習のメソッドです。ディシジョン・ツリーとはよくあるステップ別課題解決といったものと類似の分析手法です。したがって、ランダムフォレストはツリーのグルーピングであり、この方法論はディシジョン・ツリーの偏りを修正する役割を持っています。

リカレントニューラルネットワーク(RNN)とは、ニューラルネットワーク内部を創造することが可能なモデリング技術であり、それによって時系列分析のキーである動的行動を示すことが可能となります。ニューラルネットワークは、人間の脳に類似したコンピュータモデリングおよび解析手法です。

これらはLSTM(Long Short-term Memory)と呼ばれるアーキテクチャを介し、複数の時系列をリカレントニューラルネットワークに取り入れるよう設計されており、これによりCP-AIはより広範な金融市場にて、現存するノンリニアリレーションシップ(非線形関係)をすべて把握することが可能となります。これはARIMAとGARCHなどの従来の統計ツールでは難しいような広範囲な視点で金融市場全体をカバーすることが可能です。一般的な統計ツールではインプットとして1つの時系列のみを取る傾向があるため、分析に利用可能な情報の次元が制限されています。

さらにCP-AIは、CPS-Masterポートフォリオ戦略をより忠実に再現しようと、その背景にある状況のみならず、将来要素も考慮にいれたスマートな開発がなされています。例えばトピックモデリングなどのコンテンツ解析技術を活用し、テキスト本文の隠された意味を解析することも行います。トピックモデルとは、ドキュメント内で発生する「トピック」を発見するための統計モデルの一種です。これはテキスト本体の隠された意味を解析するために使用されるテキストマイニングツールです。テキストデータで表現されたニュース情報を取り込む機能は、価格要因に依存する従来手法では欠如していた点でもあります。

これら投資戦略と技術開発の融合で、リスク調整と収益率アップが見込まれる投資機会をより沢山生み出すことが可能となります。