TOP > 注目記事 > AIを投資判断や株価予想に活用
技術との関わりでは人の判断が重要に

J-MONEY2017年冬号 注目記事

フィンテック最前線

AIを投資判断や株価予想に活用
技術との関わりでは人の判断が重要に

AI(人工知能)の活用と聞くと、多くの人は自動運転技術や「Pepper」などの人型ロボットを想像するだろう。しかし、AIがどの程度の可能性を秘めた技術なのかを明確に把握している人は多くないようだ。今回、J-MONEYではAIとは具体的に何を指す技術なのかを整理するとともに、金融ビジネスにおける適応事例の紹介を通して技術の可能性を探りたい。(中澤智弥)

ブームの本質を見極めるには
技術の見定めがカギ


日立製作所
金融ビジネスユニット
金融システム営業統括本部
事業企画本部
金融イノベーション推進センタ長
長 稔也氏

 AIは、決して新しい技術ではない。しかし、企業が具体的な商品やサービスにAIを導入する事例を目にする機会が増えたことで、近年急速に注目度が高まっている。その背景について、日立製作所 金融ビジネスユニット 金融システム営業統括本部 事業企画本部 金融イノベーション推進センタ長の長稔也氏は次のように語る。「AIを活用する構想自体は、昔からあらゆる企業のなかに存在した。処理技術の向上や技術コストの低下によって、仕組みを利用した事業に採算がとれる見込みが立ってきた」

 一方、金融機関のなかには、開発現場と世の中の反応との間に温度差を感じているところもある。三菱UFJ信託銀行資産運用部 国内株式 クオンツ運用課 チーフファンドマネージャーの岡本訓幸氏は「運用業務の領域では、クオンツ運用などで自動的に運用する手法はこれまでも行われてきた。AI活用もその延長線上にある」と語る。

 また長氏は、「AIが人間の仕事を奪うといった議論が盛んに行われているが、技術によってできることとできないことを見定めれば、こうした議論は起こらないはずだ」と話す。そこで、具体的なAIの活用事例を紹介する前に、イメージが先行しがちなAI技術の整理をしたい。

AIのレベルを高度化させる
知識・知能層の技術


三菱UFJ信託銀行
資産運用部
国内株式 クオンツ運用課
チーフファンドマネージャー
岡本 訓幸氏

 国内のAI研究の発展を推進する「人工知能学会」の定義を参考とすれば、AIは、「人の介在が全くない状態を理想とし、人間の知能を理解し模倣する機械」、「人と協調し人を超える状態を理想とし、現実の知的な問題解決に役立つ機械」の2つのタイプに分類できると考えられる。

 1つ目のタイプに該当するのは、「パターン認識型(ディープラーニング)」や「質問応答型」と呼ばれる技術だ。パターン認識型とは、画像や数値データの解析を通して抽出された規則性に基づき、要求された回答が正しいかを判断する技術だ。主に画像や音声認識などに活用されている。質問応答型は、人間の質問を理解し、適切な回答を大量のデータのなかから見つけ出す技術であり、IBMが開発した「Watson」などが代表例に挙げられる。

 2つ目のタイプには、大量の数値データのなかから、規則性を発見し、特定の事象と相関性の高いペアを抽出する「相関抽出型」と呼ばれる技術がある。日立の「Hitachi AI Technology/H」はこのタイプである。このほかにも、多様な要素技術が存在する。それぞれを組み合わせることで、特定の機能を発揮させているため、AIを単一技術の概念としてではなく、複数の要素技術の複合体として理解することができるのではないか。

 日立では、AI技術を「知識・知能層」「コミュニケーション層」「インタフェース層」の3層構造に分類している(図表)。例えば、人型ロボットの対話機能を同社の3層構造に当てはめて考えてみると、各層に該当する技術の役割が見えてくる。

 人型ロボットのボディにあたる部分は、インターフェース層に該当する。図のように機械の部分をAIと切り離して考えれば、AIによる対話技術自体はネットワークを介してあらゆるデバイス(装置)上で実行可能であり、ロボットのボディ自体に機能を備える必要がない。つまり、対話を可能にするAI技術は、機能を実行するためのデバイスと分けて考えることができる。

 次に、ロボットの対話技術に直接関わるのが、コミュニケーション層のAI技術だ。人の言語や音声を理解し、インターネット上の情報や事前に読み込んだデータのなかから適切な回答を導き出し、人との会話を可能にする。

 3層構造において、同社が重点的に取り組んできたのが、AIの判断力を向上させる知識・知能層の技術だ。長氏は、「より複雑な質問への応答や、人間には発見できない気づきを与えることができるレベルに技術を高度化させるには、AIに知恵を与える必要がある。そこで、AIの学習・解析技術が重要になる」と語る。

 同社の提供する「Hitachi AI Technology/H」は、跳躍学習技術(大量の複合指標の生成と絞り込みを自動で行う)を用いて大量のデータを解析し、AI自らが重要な指標を統計的に絞り込む数値解析技術である。

 例えば、店舗の売り上げを伸ばすため、店舗が保有する多様なデータを同技術の数値解析にかけると、「17時から20時の間に、焼き菓子が売れることが売り上げ向上に有効」と、店舗の利益に相関性を強く示す具体的な因子を特定してくれる。「人の直感や経験則による仮説に依拠することなく客観的な気づきを得られることから、人間の判断の質を向上させる補完的な存在になる」(長氏)。

精度の高い判断を導くために
AIによる賢い知識を提供


QUICK
情報・ナレッジ・開発本部
副本部長
渋谷 淳氏(右)
情報・ナレッジ・開発本部
データベース開発グループ
荻野 紘和氏(左)

 ここまで、AIの要素技術について解説してきた。続いては、実際にどのような活用方法が検討されているのか、関係者の取り組みを紹介していく。

 2016年11月15日、情報ベンダーのQUICKは上場企業の開示情報や株価情報をAIに解析させることで、投資判断に必要な情報だけを抽出して利用者へ配信する「AI速報」の提供を始めると発表した。同社情報・ナレッジ・開発本部 データベース開発グループの荻野紘和氏は、「金融情報サービスを提供するQUICKのノウハウとAIを掛け合わせて、投資判断に有益な情報提供を目指す」と話す。現在、証券会社の電子取引担当者やオンライン証券を中心に、問い合わせが集まっていると言う。

 まず、解析の対象とするのは、金融庁の電子情報開示システム「EDINET」や日本取引所グループの適時開示情報システム「TD net」を通して公開される企業開示情報だ。

 どちらも多い日で1日に1000件以上の企業開示情報が投稿される。加えて、企業の開示資料の大半は、数十ページにわたる資料であることから、投資家は必要な情報に目を通すだけでも時間を取られてしまう。

 このように日々公開される膨大なテキスト情報を同サービスの言語解析エンジンにかけることで、例えば「イベント・決議日・取得株の種類・取得株数・取得期間・取得方法」など、簡略化された情報を抽出してくれる。投資家は、情報収集に費やす時間を大幅に短縮できるため、取引タイミングを逃すことがない。

 「AI速報」には、徳島大学発のベンチャー企業である言語理解研究所の自然言語理解技術が採用されている。同技術を駆使すれば、一企業の開示資料を解析し、要点をまとめた情報として利用者に提供するまでにおよそ数秒程度で完了するとのことだ。同本部 副本部長の渋谷淳氏は「国内では、定性的な情報をAIで処理する分野は海外ほど進んでいない。国内でもテキスト情報のAI解析の研究が進めば、国内企業に関してより精度の高い分析が可能になる」と語る。

AIによる投資判断をファンドの運用に活用


三井住友アセットマネジメント
執行役員 兼 運用企画部長
久米 隆史氏

 運用業務を行う三菱UFJ信託銀行と三井住友アセットマネジメントでは、両社のAIに対する考え方の違いが、サービスの特色や活用事例に表れている。

 三菱UFJ信託銀行は2016年3月、AIを活用したファンドを組成した。ファンドの運用において、相場予測や投資判断はファンドマネージャーの分析をもとに行われるが、同ファンドはAIが相場の変化を学習し運用を指南する。

 同社のAIファンドは、「安定収益」をコンセプトに現物株式と先物ショート・ポジションを組み合わせて相場変動の影響を抑えた運用を行うのが特徴だ。運用方針に沿った安定収益を獲得するために応用されているのが、AIとビッグデータである。

 個別銘柄の選択では、従来の定量分析に加えて、ビッグデータによるテキストマイニングを活用している。経済ニュースや決算短信、有価証券報告書など、膨大なデータから投資判断に必要な言語情報だけを抽出し、抜き取ったテキストが銘柄評価としてポジティブか、ネガティブかを判断する仕組みとなっている。例えば、テキストのなかに「収益貢献を見込む」とあれば銘柄にとってプラス、「財務体質の強化が急務」はマイナスといったように、テキストのなかの言語要素を数値化していくことで投資判断を行っている。

 先物のヘッジ操作では、 AI技術の一つであるディープラーニングを用いて、短期的な相場を予測する。また、フラクタル分析と呼ばれるパターン認識技術を採用することで相場の大きな転換点を捉えるという。

 同社が実際にテスト運用をするパイロットファンドは、変化の激しい2016年の相場環境のなかでどのような成績を残したのか。

 岡本氏は、「11月8日の米国大統領選挙を例に挙げれば、トランプ氏の当選確定直後、日経平均株価は一日で1000円近くの下げ幅を記録した。当選が確定する前日、AIはフルヘッジのシグナルを出していたことから、株価急落の衝撃は吸収できた。翌日以降、株価は国内投資家の予想に反して大きく上昇したが、AIは株価が上昇を始める直前に先物を買い戻すべきとのシグナルを出し、トランプ相場による株価上昇局面に追随できた」と語る。

 2008年4月から2016年3月の間に行われた同ファンドのシミュレーションでは、年率平均リターンが7.4%、標準偏差4.0%だった。同期間中のTOPIX(東証株価指数)では、年率平均3.4%、標準偏差20.3%であった。すでに2016年12月19日に三菱UFJ国際投信にて私募投信を設定済み、2017年2月には公募投信も設定予定とのことだ。

 一方、三井住友アセットマネジメントは、社内業務の効率化にAIを役立てることで、社員のパフォーマンスの質を高める考えだ。

 三井住友アセットマネジメント執行役員 兼運用企画部長の久米隆史氏は「ファンドマネージャーやアナリストの情報収集時間の短縮のためにAIを活用することで、考える時間を多くとれる。人の発想や気づきを増やすことでファンドの品質向上につなげたい」と話す。

 同社がAIを導入する領域を人をサポートする役割に限定するのには訳がある。久米氏は、「AIの下した判断は、事後的に人が説明することが困難な場合があることから、最終的な投資判断にAIは活用していない。フィデューシャリー・デューティーを重んじる社風もあり、投資家に根拠を示せない投資は行わないよう心掛けている」と語る。

 久米氏が語るAIに対する考えは、一方で人間が担うべき役割を示しているようだ。「AIの判断は100%正しいものではない。AIとの関わりでは、AIの判断をどうとらえ、どう考えるか、人間の判断が最終的に重要になる」。

            * * *

 企業のAI導入が現実味を帯びてきている。今後は各社のAIに対する考え方の違いがサービスを通して顕著に表れてくるのではないか。