技術的概要：FinTSB：金融時系列予測のための包括的かつ実用的なベンチマーク

1. 問題提起

金融時系列予測（FinTSF）は、量的金融における重要な領域であるが、この分野は予測モデルの信頼性ある評価と実用的な展開を妨げる 3 つの体系的な限界に苦しんでいる：

1. 多様性のギャップ： 既存の評価データセットは、株価変動パターンの全範囲（例：上昇トレンド、下降トレンド、ボラティリティ、ブラックスワン事象）を捉えきれないか、時間的範囲が不十分である。これにより、未見の市場レジームに直面した際に汎化能力を欠くモデルが生まれる。さらに、多くの研究は単一の市場に焦点を当て、市場間の構造的な相違（例：中国の A 株における小口投資家の高い参加率対、米国における機関投資家の混合）を無視している。
2. 標準化の欠如： 統一された評価プロトコルが存在しない。評価指標（ランキング対ポートフォリオ対誤差）の相違と、標準化されたユーザーフレンドリーなパイプラインの欠如が、研究間での性能比較を無効化している。プロプライエタリな設定で最先端（SOTA）モデルを再実行することは、往々にして労働集約的であり、バイアスに陥りやすい。
3. 現実との不一致： 多くの評価は、手数料、空売り制限（例：中国の A 株）、取引停止（値上がり制限）などの重要な市場制約を無視している。その結果、実際のライブ取引環境における収益性に反映されない、過大評価された性能指標が生じている。

2. 手法：FinTSB フレームワーク

これらの限界に対処するため、著者らは評価を標準化し、現実の取引条件と整合させるように設計された包括的かつ実用的なベンチマーク「FinTSB」を提案する。

2.1 データセット構築とトークン化

• データソース： ベンチマークは、複数の金融市場からの 15 年間の歴史的股票データを利用する。
• パターン分類： データは重複しない 250 日間期間に分割される。日次変化率（$\delta$）に基づき、株式は 4 つの明確な変動パターンに分類される：
  1. 上昇トレンド： 正のリターンの頻度が高い。
  2. 下降トレンド： 負のリターンの頻度が高い。
  3. ボラティリティ： 明確な方向性トレンドなしに頻繁に変動する。
  4. ブラックスワン事象（極端）： 著しく急激な価格変動。
• 選択戦略： 各パターンについて、上昇トレンドでは正の変化率で上位 300 銘柄、下降トレンドでは下位 300 銘柄、ボラティリティでは残りの銘柄が選択される。極端な外れ値は別途分類される。
• 前処理： 機密情報はトークン化（匿名化）される。将来情報の漏洩を防ぐため、各取引日ごとに株式次元で正規化が行われる。
• 構造： 最終的なベンチマークは 20 のデータセット（パターンあたり 5 つ）で構成され、それぞれ 250 日間の 300 銘柄を含み、訓練/検証/テストセット（7:1:2）に分割される。

2.2 系列特性分析

FinTSB は、4 つの系列特性を用いてデータ品質と内在的な性質を評価する：

• 変動パターン： 正/負のリターンの頻度と変動の大きさによって定義される。
• 非定常性： 金融データに典型的な単位根の存在を確認するために、拡張ディッキー・フラー（ADF）検定を通じて測定される。
• 自己相関： 過去の価格が将来の行動に与える影響を測定する。
• 予測可能性： 系列の理論的予測可能性を決定するために、周波数領域の性質（エントロピー）を用いて評価される。

2.3 統一評価パイプライン

FinTSB は、4 つのレイヤーからなる軽量でユーザーフレンドリーなパイプラインを導入する：

1. データレイヤー： トークン化、正規化、特定の変動パターン向けの動的データ読み込みを処理する。
2. トレーニングレイヤー： 6 つのバックボーンアーキテクチャからのモデルを統合する：
   • 古典的戦略（例：CSM、BLSW）
   • 機械学習（例：XGBoost、LightGBM、ARIMA）
   • 深層学習（例：LSTM、Transformer、Mamba、GNN）
   • 強化学習（例：PPO、DDPG）
   • 生成モデル（例：拡散モデル、VAE）
   • LLM ベースの手法（例：TimeMoe、Chronos）
3. バックテストレイヤー： Top-K-Drop戦略を用いて現実の取引をシミュレートする。この戦略は、パフォーマンスの高い銘柄を維持し、パフォーマンスの低い銘柄のみを置き換えることで、回転率を低下させる。重要なのは、**取引手数料（0.1%）**を組み込み、特定の文脈での空売り禁止などの市場制約を尊重することである。
4. フィードバックレイヤー： ログをアーカイブし、性能追跡のための可視化ツールを提供する。

2.4 評価指標

ベンチマークは、包括的な評価を確保するために 3 つの次元にわたる 11 の指標を採用する：

• ランキング指標： 情報係数（IC）、IC 情報比率（ICIR）、RankIC、および RankICIR。これらは予測スコアと実際のリターンの整合性を測定する。
• ポートフォリオベース指標： 年率リターン（ARR）、年率ボラティリティ（AVol）、最大ドローダウン（MDD）、年率シャープレシオ（ASR）、および情報比率（IR）。これらは収益性とリスク調整済みリターンを評価する。
• 誤差指標： 平均二乗誤差（MSE）および平均絶対誤差（MAE）。著者らは、誤差の低さが収益性を保証するものではないと指摘しつつも、完全性のために含めている。

3. 主要な貢献

論文は 4 つの主な貢献を概説する：

1. 多様性の包含： 多様な市場における主要な変動パターンすべてを捉えるために、歴史データをトークン化し前処理した FinTSB の作成。これにより多様性のギャップに対処する。
2. 標準化の一貫性： ランキング、ポートフォリオ、誤差指標を網羅する統一評価フレームワークの提案。公平で再現性のある比較を可能にする。
3. 現実との整合： 手数料、取引停止、空売りルールなどの市場制約を厳密に遵守する投資戦略の設計。理論的指標と実用的な適用性の間のギャップを埋める。
4. 詳細な評価： 広範な FinTSF 手法の包括的な評価。変化する市場条件におけるモデル性能に関する重要な洞察を提供する。

4. 実験結果

統一パイプラインを用いて FinTSB 上で広範な実験が行われた：

• 性能の不均一性： 3 つの指標次元すべてで最良の性能を達成した単一の手法は存在しなかった。同じバックボーンカテゴリ内でも顕著な不均一性が存在し、時系列依存関係と横断的関係の捕捉が手法に強く依存することを示唆している。
• LLM の性能： LLM ベースの手法は「逆説的」なスケーリングパターンを示した。モデルのスケーリングに伴い性能は当初悪化したものの、より大規模なスケール（例：Chronos-boltBase）で著しい改善を示した。これは、複雑な市場ノイズを解きほぐすために必要な臨界パラメータ閾値を超えて初めて、金融時系列の能力が顕現する可能性を示唆している。
• 深層学習対伝統的アプローチ： 期待に反し、現代の深層学習技術は、ポートフォリオリターンという点で、伝統的な量的戦略や木ベースのモデル（例：XGBoost、LightGBM）を普遍的に凌駕しなかった。
• 転移学習： FinTSB で事前学習されたモデルは、2024 年の CSI 300 市場へのゼロショット転移において驚くべき一貫性を示し、優れたリスク調整済みリターンを達成した。これは、異なる市場レジーム（強気、弱気、過渡期）にわたって堅牢で汎用性のあるパターンをベンチマークが捉える能力を検証するものである。
• 効率性： 本研究には、ASR 性能と計算コストおよびメモリフットプリントのバランスをとる推論効率の分析が含まれていた。

5. 意義と主張

著者らは、FinTSB が FinTSF 手法の改善と評価のための新規かつ包括的なプラットフォームを提供すると主張する。多様性のギャップ、標準化の欠如、現実との不一致に対処することで、このベンチマークは以下のことを目指す：

• FinTSF コミュニティにおけるモデル評価の確固たる基盤を確立する。
• 変化する市場条件において適切なモデルを選択する研究者を導く。
• より実用的で現実適用可能な投資戦略へと分野を進展させる。

論文は、断片的な結果を超えて進むためには厳格なベンチマーキングが不可欠であり、FinTSB は理論的予測モデルを実際の金融市場の複雑さに整合させるための必要なステップであると結論付けている。コードとデータセットはさらなる研究を促進するために公開されている。