AI運用～資産運用におけるAI開発とデータサイエンスのデザイン
HOME概要 Outline
早稲田大学ビジネス・ファイナンス研究センター「ファンドマネジメント講座」AI運用～資産運用におけるAI開発とデータサイエンスのデザイン
| 日時 | 2024年 6月27日（木） 10:00～17:00 （お昼休憩 13:00～14:00） |
|---|---|
| プログラム 概要 |
本講義では、資産運用業務におけるAI（人工知能）技術の適用の実際を学びます。ここ数年でAI技術は様々な分野に用いられるようになり、既に一部の分野で目覚ましい成果をあげつつあります。しかし、金融分野においてもその可能性が注目されているものの、資産運用への適用については、金融市場の特殊性ゆえに、いくつかの克服すべき課題が存在しています。 このため講義の流れとしてとして、まずこれらの課題整理を行い、その解決法を概観してから、AIの研究開発はどのように進めていけばよいのかについて、実例を紹介しながら考察していく構成で進めていきます。本プログラムは、資産運用業務におけるAI技術の適用の可能性・方向性に興味のある方、これから自社での研究開発を検討されている方など、幅広い層を対象としています。 |
| 講師 | 長尾 慎太郎（楽天投信投資顧問 パッシブ運用室 部長） 西村 方斗英（日興アセットマネジメント ソリューション部 クオンツ商品開発グループ） |
| 会場 |
 ＜日本橋会場＞早稲田大学日本橋キャンパス 東京都中央区日本橋1-4-1 日本橋一丁目三井ビルディング（コレド日本橋）5F |
| 受講料 | 48,000円（税込） |
| お問合せ先 | wasedafmib@nikkeimm.co.jp |
コンテンツ Contents
Session 1 資産運用におけるAI 10:00～11:20（80分）
長尾 慎太郎（楽天投信投資顧問 パッシブ運用室 部長）
- 1. 金融市場とサイエンス
- ・ 科学哲学パラダイムの変遷を振り返る
- ・ 科学で未来の予測は可能か？ ～ 金融市場の予測は当たるのか？
- ・ 金融市場は複雑な人間活動システム ～ 複雑なシステム二種
- ・ 金融市場を理解する際の課題と解決法
- 2. AI（人工知能）とは何か？
- 3. 金融機関における機械化
- ・ AIが解決する社会的課題
- ・ 金融機関におけるAIによる課題解決の中心は“機械化”
- ・ 非エルゴード性
- ・ 金融市場における未来予測
- ・ 金融市場の理解の歴史
- ・ 金融機関におけるAIの特徴
Session 2 データサイエンスのデザイン 11:20～13:00（100分）
長尾 慎太郎（楽天投信投資顧問 パッシブ運用室 部長）
- 1. 人間の弱点とAIの強み
- ・ 限定合理性―bounded rationality
- ・ ヒューリスティック―heuristic
- ・ メンタルモデル―mental model
- ・ 帰納法と人間
- ・ 人間の判断 vs. 機械的ルール
- ・ 投資行動にみられる非合理性 ～ スキューの選択
- ・ 性格（Big-5）と投資適性
- ・ 人間に勝つためにAIをどのようにデザインすればよいか
- ・ 人間の弱点とAIのデザイン
- 2. AIとイノベーションのジレンマ
- ・ AIは何のために？
- ・ ２種類のイノベーション
- ・ 破壊的イノベーションとイノベーションのジレンマ
- ・ イノベーションのジレンマの事例
- ・ 投資信託の価値構造の問題
- ・ 資産運用業界におけるイノベーションのジレンマ
- 3. 金融市場および資産運用業界における AI の可能性
- ・ AIを適用しようとする際の諸問題
- ・ データ量の不足に対処する
- ・ AIの社会的な課題 ～ 失われた可読性と説明責任
- ・ AI開発のアプローチ３種
- ・ 金融市場における知識創造と学習
- ・ テーマ型ファンド問題
- ・ AIを適用する対象とモデルの構造
- ・ アンサンブル学習（集団学習）
- ・ 資産運用におけるAIの役割
- 【参考】PrecisionとRecall
- 4. Closing Comment
- ・ 資産運用業界の未来
- ・ AIのデザインのポイント ～ 知識を与える
- ・ 知的創造・知的獲得の重要性
Session 3 AI運用 14:00～16:00（120分）
西村 方斗英（日興アセットマネジメント ソリューション部 クオンツ商品開発グループ）
- 1. AI運用とは ～ そもそもどのようなものを指しているのか？
- ・ 様々なデータソース ～ オルタナティブ・データの活用例
- ・ 機械学習のイメージ ～ 講師あり学習と講師なし学習
- ・ 伝統的クオンツ運用との関係 ～ 適切な手段を用いることが大切
- ・ 分析対象となる金融市場の特性
- 2. 機械学習イントロダクション ～ 機械学習を用いた分析の流れ
- ・ 分析のデザインとよく用いられる前処理の例
- ・ モデルの決定と学習 ～ オーバーフィッティングとアンダーフィッティング
- ・ バイアスとバリアンス
- ・ 5-Fold Cross Validation ／ Time Cross Validation
- ・ 評価
- 3. 代表的なモデル
- ・ 回帰モデル ～ 回帰分析とファクターリターン
- ・ スパース推定 ～ ビッグデータ時代の推定方法
- ・ 正則化法 ～ 正則化項の影響
- ・ Ridge Regression
- ・ Lasso ～ 変数選択と問題点
- ・ 金融データへの応用
- ・ Rapach et al ～ 日本株での分析と結果
- ・ 変数選択の例
- ・ Graphical Lasso ～ 資産間の相関を可視化
- 4. クラスタリング （ K-means法 ）
- ・ 投資信託のクラスタリング ～ 戦略の分散やマネージャー管理への応用
- ・ 決定木 ～ アルゴリズムの例と注意点
- 5. ランダムフォレスト ～ 決定木を複数用いる
- ・ アンサンブル法とアルゴリズム
- ・ ランダムフォレストを用いた投資戦略
- 6. ディープラーニング（CNN）
- ・ ニューラルネットワーク
- ・ 活性化関数と損失関数の最小化
- ・ 誤差逆伝播法
- ・ コンボリューションとプーリング
- ・ ディープラーニングでチャートを学習
- ・ パラメータ設定とモデル化 ～ ファクターリターンとバックテスト
- 7. テキストマイニング ～ 資産運用業界での応用
- 金融におけるテキストマイニング
- ・ アルファソースとしてのテキストマイニング
- ・ 運用者を補助するためのテキストマイニング
Session 4 AIを用いた運用戦略の開発におけるポイント 16:00～17:00（60分）
西村 方斗英（日興アセットマネジメント ソリューション部 クオンツ商品開発グループ）
- 1. モデルの概要を検討
- 2. 解釈性の問題
- 3. リスク管理とモデル評価
- 4. AI運用戦略を評価するときに注意すべき点
料金 Price
48,000円（税込）
※記載の受講料は、日本国内からのお申し込みに限ります。海外からお申し込みをされる場合は、別途事務局へご相談ください。
早稲田大学FM&IB講座事務局（TEL.03-4232-7463／wasedafmib@nikkeimm.co.jp）の営業時間は、休日を除く月曜日～金曜日の10時～17時です。日程・講師・内容・時間割等は、都合により変更させていただく場合がございます。