金融市場でのAIの話とか、渋滞シミュレーションとか

１月１０日第12回 産総研人工知能セミナー「AIと社会シミュレーション」に
行ってきた！ので、その内容をメモメモ

ただ、場所が、産総研 臨海副都心センター 別館だったんだけど、
初めての場所で知らなかったので、りんかい線の「東京テレポート」
駅からおりてしまい・・・しまった！この地図縮尺が・・・

ということで、全然間に合わず、はじめの和泉先生のお話は聞けなかった
ので、途中からメモメモ

※AISTに行く人、素直に「ゆりかもめ」の「テレコムセンター」から行く
ことを強くお薦めします。

---

■金融市場での人工知能技術の応用と人工市場研究の紹介
（とプログラムではなっている）

【途中から】


深層学習　
ディープラーニングを使ったアルゴリズム取引
　統計よりも２．４８ポイント
　７８００時限の入力データから１時間後の株価予測
画像：集まると意味がある
相場：ひとつひとつが意味を持つ→多層にしても・・
　あたるときもあるし、ないときもあるし・・

板情報の画像化：注文状況を画像に直す
・１０秒後の予測
・畳み込みニューラルネットワークで
　→平均５５％
・意味がある状況とない状況：大きな入力だけ使う（フィルタリング）
　→６０％くらい

画像認識に比べ、１つ１つの意味が大きい
・数値データの解析については人工知能が得意
　上手くいく例：半歩先、予測するのは上手くいく
　市場の潮目が大きく変わる（ゲームチェンジ）は難しい
　　→一工夫必要

ニュースデータでは？→金融テキストマイニング
・ニュース、Ｔｗｉｔｔｅｒのテキストデータ
　　→ボラティリティ予測
　特徴量のコーディング勝負
　　→機械学習まではいっていない

・ニュース記事からの特徴量抽出
　Ｓ＆Ｐ５００の個別銘柄：大きく上がった下がった銘柄
　　キーワードと上げ下げ：ＳＶＭで分析
　　　→ベスト５には入る：Ｓ＆Ｐだけでは１位

・テキストマイニングヘッジファンド：半分くらいに淘汰
　　→運用によっては不安定
　Ｔｗｅｅｔｓからの特徴量抽出
　　キーワード：６種類に関連付ける
　　心理的な表現とダウの相関→平穏さと相関

　自己組織化ファジーネットワークによる予測モデル
　　８６．７％当てることが出来た

　追試結果：よかったのも、わるかったのもある

・安定性がないのはなぜか？
　２００８年　リーマンショック→時期によるのでは？

金融テキストマイニングの方向性
・直接価格を予測することは難しい
・市場に関連する経済環境・状況を判別する方向に
　　日銀テキストインデックス
　　野村ＡＩ景況感指数

いくつか期待されているもの

既存の手法
・ごみを捨てて数値化：どんなキーワード
・word2vecによる単語の分散表現；機械に自動学習

２００次元のベクトル
・単語の足し算引き算が出来る
　　レクサス－トヨタ＋日産＝インフィニティ

センテンスを入力すると→主語がかわっても似たようなケースを拾える

決まりきったキーワードのマッチングは得意

囲碁の機械学習→プロのトレーダーに勝てるか？
・過去の棋譜：自己対戦
　→おなじことが金融データでできるか？
　→金融に定石がない

カブロボコンテスト→過去の１０年間：将来では上手くいかない

社会シュミレーション
　８種類のアルゴリズムＸ３種類のパラメータ
それを実際にやると・・・
　２０１５年と２０１６年で負の相関
ローリスク・ハイリターン：ベイジアン（機械学習）

人工市場
・インフラ、制度設計
　→ティックサイズ（円刻み）変えたら、どうなるか
　　閾値を決める
・日銀：京　数万銘柄のシミュレーション
・フラッシュクラッシュ

---

■様々な移動に関するシミュレーションの可能性　西成先生

・渋滞学

・社会シュミレーションの方法
　大きく２つ
　　データマイニングとモデリングの２つの立場がある
　　
モデリング派
　　　因果関係：モデリング
　交通はモデリングできる：データ解析
　　→心理が絡むと、モデリングが出来ない
　モデル化：
　　原理原則：連続の式、排除体積効果
　　エージェントの内部自由度をどのように捉えるか
　検証
　　パラメータの極限での論理的検証
　　データや知られている現象を再現できるか
　目的
　　あり得るシナリオの１つを提示する
　　医師決定者の判断材料

・渋滞を考えるための数理
　連続の式、排除体積効果
　　ＡＳＥＰ：非対象単純排除過程→前が開いているときだけ進む
　　　→イギリスの数学者発表

・渋滞：臨界現象　層転移
　　
・データを再現できるか
　交通量と密度の関係＝基本図
　渋滞の定義が出来る　右下がりになる

・出っ張ってるところ大事：メタ安定状態
　→それが崩壊して渋滞
・ＡＳＥＰの基本図：単純すぎてメタ安定状態がない
・slow to startモデル：クルマの慣性効果を入れる

・不安定性が渋滞を引き起こす
　分散が減る→崩壊→分散が増える
　メタ安定を調べると、予測が出来る
　→原理があれば、はるかにいい

・ちょとだけあけると渋滞が吸収できる

・カーナビによる車間情報提供
　　車間距離４０ｍで警告

ペースメーカー車の実験
・小仏トンネルにおける渋滞抑制実験
　２箇所センサー
　渋滞のときにゆっくり走ると、渋滞はなくなる
　　スローイン　ファストアウト

・スローインのための補助システム例
　　可変速度規制　ＶＳＬ
　　カーナビ（テレマ）・車間距離＝ミリ波レーダー

・ファストアウトとＡＣＣ（アダプティブクルーズコントロール）
　→自動運転技術の基盤

人流シミュレーション
・２時限ＡＳＥＰ（フロア・フィールドモデル）

人の渋滞と障害物の影響：障害物があると、速く出れる
・どちらが速いか：出口　端のほうが速い

ダブルボトルネックの問題

待ち行列
　混み具合：ポアソンレート
　歩行時間：
　サービス時間
混んでいてサービスが短い：並列
混んでいない：フォーク
→成田空港　入国管理にて運用中

Bull-Whip Effect（ブルホイップ効果）と自然渋滞
　みんなすこしずつ在庫を持つ→さいごにはすごいことに！
　自然渋滞と同じパターン
→ＩｏＴ，ＡＩのパーツとして使う

あるべき交通政策とは
・この歩道が混んでいる→３つのいけん
　　広げろ
　　情報提供アプリを出す
　　人の教育をする
　→まとまらない：バックグラウンドの違い
・分野によって考え方が異なる

最後に
ＡＩ＋ＩｏＴと交通の未来
・モデリングができれば、因果関係が分かるので強い
　　ＡＩはその補助ツールとして有効
・交通のスマート化：データのオープン化が必須
　　積載効率　５０％きる→からで帰ってくるから
・自動運転　限定された用途で活躍
　　専用道路では可能、物流自動運転
　　ドローンタクシー