画像処理における画像への特徴量追加

Question

現在CNNでTOPIX500の株価チャート画像を用いて翌日の株価の騰落を分類予測するモデルを作っています。（使用ライブラリはChainer）
日本株はアメリカ株の影響を強く受けるのではと思いアメリカ株の情報も入力に組み入れたいと考えていますがどのように組み入れるのが最適でしょうか。

現状：100日分のtopix500の株価チャート画像（下図）を入力画像に用い翌日の株価の騰落を分類予測。
なお、上記のように考えた場合たとえば明日の株価を予測する際今日のTOPIXの株価には昨日までのアメリカ株の影響が加味されていると考えられるため組み入れるべきアメリカ株の情報は今日の分のみでこの場合どのようにして今日"だけ"のアメリカ株の情報を組み入れれば良いか悩んでおります。

案１：入力画像に何らかのアメリカ株の騰落を示す編集を加える。
例）今日の株価が昨日より上がっていたなら画像下部に赤線、下がっていたなら緑線
案２：全結合層のところでアメリカ株価を組み入れる
全結合層の部分に一つ情報を組み入れたところで意味なさそう？
案３：今日だけでなく同じく１００日分のアメリカ株の株価チャート画像を作成し、画像を二枚入力に用いる
計算量が膨大になりそう、コーディングが厄介（フレームワークが使えない）

Comments

[退会済みユーザー]

本筋からずれるかもしれませんが、王道は実測値をLSTMに突っ込むのような気がします。時系列的に変化すると思われる値の変化を実測値ではなく画像を介してCNNで裁くメリットはどこにあるのでしょうか？
---
「過去の株価にLSTMなんかやっても無意味だ(連動するのは過去の値ではなく、今のニュースなどに連動するのだから、今までの推移なんかなぞっても意味がない)」という方がいました。名前は忘れてしまいました…参考になれずごめんなさい。

[KazuyaKojima]

LSTMで実測値を入力に用いるのはすでにやってみました。
なぜ画像を用いるかなんですが投資家が株価を分析する際に数値だけでなく株価チャート画像から何かしらの投資の判断に用いるような視覚的な特徴があるのではないかと考えて画像を用いることを試みております。

[退会済みユーザー]

> 視覚的な特徴があるのではないか
解説をありがとうございました。なるほど、と納得しました。見る目がある人には何かが見えているのかもしれませんね。

[ikadzuchi]

チャート画像は実測値から作られたものですよね?
視覚的な特徴があったとして、それは全て実測値からも得られる情報なわけですが、その上でわざわざデータの多くなる画像を使う必然性が分かりません。

Answer 1

全体的な話：膨大な次元からの推定
もうご存じかと思いますが、画像の次元は膨大になります。縦横高さ×チャネルですので、例えば512px^2*3chであれば80万次元に近くなります。

ここから何が写っているか（船、車、ねこ、海など）のような全体的な情報を吸い上げるのは畳み込み処理でそれなりにできる段階にありますが、ここから「今の株価の推移」を読み取り、明日の上がった下がった（クラス分類）もしくは値を推定（回帰）するのは困難と思われます。

グラフだけでこれをこなす人間がいるのでしたら、理論上はグラフから推定できるのかもしれませんが、今のコンピュータには恐らく解かせることはできません。

全体的な話：いくらか少ない次元からの推定
せめて、具体的な数値（〇月〇日の○○の株価はこう推移した、という値や、平均・最大・最小・初めの価格・終わりの価格のような次元まで落とせれば、（関係のない枠や膨大な空白を含むような）画像から明日を推定するよりは情報が集約されますので、いくらか信頼性は上がるものと思います。グラフに注目するのは面白いと思いますが、そのままCNNで裁かせるには情報が薄すぎる（情報の割に次元が大きすぎる）気がします。

本当に当てに行くのであれば
「グラフだけでこれをこなす人間が～」をしている人は恐らくおらず、実際には彼ら特融の嗅覚で何かを常に探っているはずです。この、その手の人が何を気にしているかつぶさに観察するところから始めないといけないと思います。一番いいのは、その手の敏腕さんの話を聞くことですが、彼らは恐らくあるグラフだけを見ているのではなく、各国の政治経済、治安等も考慮しているはずです。
もし、膨大な次元数を割く必要があるのであれば、画像の一画素に割り当てるより、各国の状況等の変数に割り当てた方が正確な推測ができそうです。