投資家センチメントと株式ポートフォリオ構築:ブラック・リッターマンモデルに基づく研究
Investor sentiment and stock portfolio construction: A study based on the black-litterman model
本研究は、ブラック・リッターマン(BL)モデルと深層学習技術を統合し、投資家センチメントを組み込んだ株式ポートフォリオを構築する。SSE 50指数から選ばれた8銘柄の東方財富株市掲示板のコメントデータを活用し、辞書ベースアプローチとBERTモデルの両方を用いて加重投資家センチメント指数を開発した。次に、長期短期記憶(LSTM)ネットワークを用いて株価収益率を予測し、これを投資家ビューとしてBLフレームワークに組み込みポートフォリオ最適化を行った。経験的結果によると、投資家センチメントの組み込みは株価予測精度を大幅に向上させ、BERTベースのセンチメント指数が最も低い予測誤差を達成した。BLモデル内では、BERTセンチメント指数を組み込んだポートフォリオ(BERT_BL)は、バックテスト期間中に年率106.58%のリターンを達成し、シャープレシオ2.64、ソルティノレシオ4.18という優れたリスク調整後パフォーマンス指標を示した。このモデルは、取引コスト、パラメータ調整、異なる市場環境を考慮しても頑健性を維持した。本研究は、テキストセンチメント分析の計量投資への応用を検証し、非構造化データを古典的な資産配分モデルと統合する手法革新を提供する。
- ブラック・リッターマン(BL)モデルと深層学習を統合し、投資家センチメントを組み込んだ株式ポートフォリオ構築手法を提示。SSE 50指数から選んだ8銘柄の東方財富株市掲示板コメントを利用した。
- 辞書ベース手法とBERTの両方で加重投資家センチメント指数を構築し、LSTMで株価収益率を予測してそれを投資家ビューとしてBLフレームワークに組み込む設計。
- BERTベースのセンチメント指数が最も低い予測誤差を達成し、センチメント組み込みにより株価予測精度が大幅に向上したと報告。
- BERTセンチメント指数を組み込んだポートフォリオ(BERT_BL)はバックテスト期間中に年率106.58%のリターン、シャープレシオ2.64、ソルティノレシオ4.18を記録。取引コスト・パラメータ調整・異なる市場環境でも頑健性を維持したと主張。
学術研究であり直接の投資対象ではないが、BERTなどLLM系の自然言語処理を非構造化テキスト(掲示板コメント)に適用して超過収益を狙う「テキストアルファ」領域の実証例として注目。年率106.58%・シャープ2.64という数値はバックテスト固有の過大評価リスク(ルックアヘッド・流動性・コスト前提)を伴うため額面通りには評価できないが、運用会社がオルタナデータ/センチメント分析の内製化やデータ基盤投資を強化する根拠になり得る。AIを投資判断に組み込む動きは、金融データ・ベンダー・AI計算資源への需要拡大を通じて関連企業の収益機会につながる点を注視したい。