株式市場の動向予測のための増分学習のためのメタ学習アプローチ

株式市場の動向予測は量的投資の基本的な課題であり、価格動向の正確な予測は不可欠である。株式データは時間とともに継続的に到着するため、最新のデータから新しい発生パターンを学習し、予測モデルを増分的に更新することが実用的かつ効率的である。しかし、分布のシフトの課題により、株式市場の動的な変化に伴い、増分データと未来データの分布が大きく異なる可能性があり、効果的な増分更新が困難となる。本研究では、データ適応と モデル適応の2つのアダプターを備えたDoubleAdaptフレームワークを提案し、分布シフトの影響を軽減する。