Skip to content

アプリケーション内で をクリックすると、お使いのDataRobotバージョンに関する全プラットフォームドキュメントにアクセスできます。

時系列モデルファクトリーで取引量プロファイル曲線を作成します

GitHubでこのAIアクセラレーターにアクセス

証券取引では、特定の金融商品の取引量を市場セッションでどのように分散するかを把握しておくと便利です。 これは、ボリューム曲線を構築することによって行われます。つまり、取引日のさまざまな時間間隔(タイムスライス)に含まれるボリュームの予測です。 ボリューム曲線を使用すると、トレーダーは、注文のタイミングとペースを予測し、VWAP(ボリューム加重平均価格)やIS(実装不足)などのアルゴリズム実行戦略への入力として使用されます。

歴史的に見て、ボリューム曲線は、過去N日の特定の時間スライスのボリューム平均シェア(たとえば、過去20日の取引日のそれぞれで平均、午前10時35分から午前10時40分の間で取引されたAAPLの1日のボリュームのシェア)を取ることによって構築され、スケジュールされたイベントと予想される違いを考慮に入れて手動で調整されています。 機械学習では、構造化された体系的な方法でこれを行うことができます。

このAIアクセラレーターの目標は、フレームワークを使用して、各時間間隔で翌日の取引量が発生する量を予測できるモデルを構築させることです。 きめ細かさは、分ごと(またはさらに細かく)から1時間ごとまたは1日ごとまで異なります。 分間隔など非常に細かい作業をしている場合、次の1440分(または市場が開いている期間に基づいて480分)を予測する単一の時系列モデルがあると問題になります。

代わりに、間隔(分、30分、1時間など)ごとに時系列モデルを検討して、各モデルが1ステップ先だけを予測できるようにします。 その後、すべてのモデルの予測をまとめると、翌日の完全な曲線を作成できます。 さらに、モデルは各時間間隔を予測するように構築されますが、モデルはその間隔のデータに制限されませんが、より広いウィンドウを活用できます。

このリポジトリの動機は金融市場のユースケースですが、予測保守など、高解像度で予測が必要なその他のシナリオでは有用です。

課題

  • モデルまたはデプロイの数は膨大になる可能性があり、それらをすべて追跡する必要があります。
  • 各モデルには、それぞれ若干異なるデータが必要です。
  • 毎分モデルを作成している場合でも、当日のその前後のデータを使用します。
  • 統合された結果(取引日全体の単一の曲線)を表示したいとします。

アプローチ

  • 間隔ごとにモデルをトレーニングしますが、トレーニングする時間ウィンドウを"拡大"して間隔外のデータを活用します。
  • データフレームを使用して、各間隔に対応するすべてのプロジェクト、モデル、デプロイを追跡します。 これにより、すべての予測を簡単に結合して翌日の曲線(複数可)を構築できます。

更新しました February 20, 2024