特許ウォッチ

公開番号2024123311
公報種別公開特許公報(A)
公開日2024-09-12
出願番号2023030604
出願日2023-03-01
発明の名称見せ玉検知システム、方法、およびプログラム
出願人日本電気株式会社,株式会社JPX総研,日本取引所自主規制法人
代理人個人,個人
主分類G06Q 40/04 20120101AFI20240905BHJP(計算;計数)
要約【課題】不公正取引における見せ玉を検知する見せ玉検知システムを提供する。
【解決手段】ニューラルネットワーク81は、入力層と出力層とを有し、入力層の入力データを、過去の取引データから得られる情報であって、価格の変動に関する情報である価格変動情報、誘因期間内の約定数に関する情報である誘因期間情報、参加者属性に関する情報である属性情報、および、反対売買の期間に関する情報である反対売買情報の少なくとも一つを含む情報とし、出力層の出力データを取引データが見せ玉を示すデータか否かを示す情報とする。機械学習手段82は、入力データおよび出力データを含むデータを教師データとしてニューラルネットワーク81を学習する。判定手段83は、ニューラルネットワーク81に、判定対象とする取引データである判定対象データを入力データとして入力して、その判定対象データが見せ玉を示すデータか否か判定する。
【選択図】図4
特許請求の範囲【請求項１】
情報処理装置によりニューラルネットワークを実現する見せ玉検知システムであって、
入力層と出力層とを有し、前記入力層の入力データを、過去の取引データから得られる情報であって、価格の変動に関する情報である価格変動情報、誘因期間内の約定数に関する情報である誘因期間情報、参加者属性に関する情報である属性情報、および、反対売買の期間に関する情報である反対売買情報の少なくとも一つを含む情報とし、前記出力層の出力データを前記取引データが見せ玉を示すデータか否かを示す情報とするニューラルネットワークと、
前記入力データおよび前記出力データを含むデータを教師データとして前記ニューラルネットワークを学習する機械学習手段と、
前記機械学習手段にて学習された前記ニューラルネットワークに、判定対象とする取引データである判定対象データを前記入力データとして入力して、当該判定対象データが見せ玉を示すデータか否か判定する判定手段と
前記判定の結果を出力する出力手段とを備えた
ことを特徴とする見せ玉検知システム。
続きを表示（約 2,100 文字）【請求項２】
ニューラルネットワークは、出力層の出力データを取引データの見せ玉らしさを示す見せ玉度とし、
判定手段は、前記ニューラルネットワークに判定対象データを入力データとして入力して、当該判定対象データの前記見せ玉度を推定し、推定された前記見せ玉度に基づいて前記判定対象データが見せ玉を示すデータか否か判定する
請求項１記載の見せ玉検知システム。
【請求項３】
ニューラルネットワークは、価格変動情報として、反対売買が対になった取引データにおいて、発注から取り消しまでの期間における価格の変動率を表わす価格変動率を用いる
請求項１または請求項２記載の見せ玉検知システム。
【請求項４】
ニューラルネットワークは、誘因期間情報として、反対売買が対になった取引データにおいて、発注から取り消しまでの期間における参加者ごとの約定数を表わす誘因期間約定数を用いる
請求項１または請求項２記載の見せ玉検知システム。
【請求項５】
ニューラルネットワークは、属性情報として、予め定めた規則に基づいて参加者の情報をフラグ化した参加者属性、および、反対売買の最大約定を得た参加者の情報をフラグ化した参加者属性の少なくとも１つを用いる
請求項１または請求項２記載の見せ玉検知システム。
【請求項６】
ニューラルネットワークは、反対売買情報として、反対売買が対になった取引データにおいて、発注から取り消しまでの期間を示す見せ玉反対売買約定時間、時間比見せ玉反対売買約定時間に対する板存在時間の時間比を示す約定板存在時間比、注文から反対売買の約定までの期間を示す反対売買約定時間、および、反対売買の約定から見せ玉注文取消までの期間を示す約定見せ玉取消時間の少なくとも１つを用いる
請求項１または請求項２記載の見せ玉検知システム。
【請求項７】
情報処理装置によりニューラルネットワークを実現する見せ玉検知方法であって、
前記ニューラルネットワークは、入力層と出力層とを有し、前記入力層の入力データを、過去の取引データから得られる情報であって、価格の変動に関する情報である価格変動情報、誘因期間内の約定数に関する情報である誘因期間情報、参加者属性に関する情報である属性情報、および、反対売買の期間に関する情報である反対売買情報の少なくとも一つを含む情報とし、前記出力層の出力データを前記取引データが見せ玉を示すデータか否かを示す情報とし、
前記入力データおよび前記出力データを含むデータを教師データとして前記ニューラルネットワークを学習し、
学習された前記ニューラルネットワークに、判定対象とする取引データである判定対象データを前記入力データとして入力して、当該判定対象データが見せ玉を示すデータか否か判定し、
前記判定の結果を出力する
ことを特徴とする見せ玉検知方法。
【請求項８】
ニューラルネットワークは、出力層の出力データを取引データの見せ玉らしさを示す見せ玉度とし、
前記ニューラルネットワークに判定対象データを入力データとして入力して、当該判定対象データの前記見せ玉度を推定し、推定された前記見せ玉度に基づいて前記判定対象データが見せ玉を示すデータか否か判定する
請求項７記載の見せ玉検知方法。
【請求項９】
ニューラルネットワークを実現するコンピュータに適用される見せ玉検知プログラムであって、
前記ニューラルネットワークは、入力層と出力層とを有し、前記入力層の入力データを、過去の取引データから得られる情報であって、価格の変動に関する情報である価格変動情報、誘因期間内の約定数に関する情報である誘因期間情報、参加者属性に関する情報である属性情報、および、反対売買の期間に関する情報である反対売買情報の少なくとも一つを含む情報とし、前記出力層の出力データを前記取引データが見せ玉を示すデータか否かを示す情報とし、
前記コンピュータに、
前記入力データおよび前記出力データを含むデータを教師データとして前記ニューラルネットワークを学習する機械学習処理、
前記機械学習処理で学習された前記ニューラルネットワークに、判定対象とする取引データである判定対象データを前記入力データとして入力して、当該判定対象データが見せ玉を示すデータか否か判定する判定処理、および、
前記判定の結果を出力する出力処理
を実行させるための見せ玉検知プログラム。
【請求項１０】
ニューラルネットワークは、出力層の出力データを取引データの見せ玉らしさを示す見せ玉度とし、
コンピュータに、
判定処理で、前記ニューラルネットワークに判定対象データを入力データとして入力して、当該判定対象データの前記見せ玉度を推定させ、推定された前記見せ玉度に基づいて前記判定対象データが見せ玉を示すデータか否か判定させる
請求項９記載の見せ玉検知プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、不公正取引における見せ玉を検知する見せ玉検知システム、見せ玉検知方法および見せ玉検知プログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
近年、インターネットを介したオンライントレードが発達し、多くの投資家が容易に株取引を行えるようになっている。一方、株取引が容易になってきていることから、株式相場を意図的に操作するような不公正取引が行われる危険性も高まっているため、このような取引を適切に監視できることが望まれている。
【０００３】
ＡＩ（Artificial Intelligence ）で検知可能な不公正取引の一つに見せ玉があげられる。見せ玉は、ある特定の株式の売買が繁盛に行われていると他の投資家に誤解させ、取引を誘因することを目的として、売買を成立させる意図がない大量の売買注文の発注、取消および訂正を頻繁に繰り返す行為を言う。
【０００４】
また、特許文献１には、取引データに見せ玉による相場操縦取引が疑われる被疑データが含まれるか判定する装置が記載されている。特許文献１に記載された装置は、複数の取引データの確率分布の密度比を推定し、密度比関数に基づいて取引データの異常度を算出して、不公正取引が疑われる被疑データが含まれるか判定する。
【先行技術文献】
【特許文献】
【０００５】
特開２０２０－０７１７５１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
特許文献１に記載された装置では、教師データを必要としない学習モデルによって取引データの異常度を算出し、不公正取引が疑われる被疑データが含まれるか判定する。具体的には、所定期間ごとの売買注文量やキャンセル量の密度比に着目して、不公正取引が含まれると想定される異常期間が判定される。
【０００７】
しかし、密度比が変化するのは、不公正取引があった場合に限られない。例えば、突発的なニュースやイベントが生じた場合、売買注文量やキャンセル量が変化することも想定される。このような場合、特許文献１に記載された装置では、異常か否かを適切に判断することは困難である。
【０００８】
そこで、本発明では、対象とする取引データから不公正取引における見せ玉を検知できる見せ玉検知システム、見せ玉検知方法および見せ玉検知プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００９】
本発明による見せ玉検知システムは、情報処理装置によりニューラルネットワークを実現する見せ玉検知システムであって、入力層と出力層とを有し、入力層の入力データを、過去の取引データから得られる情報であって、価格の変動に関する情報である価格変動情報、誘因期間内の約定数に関する情報である誘因期間情報、参加者属性に関する情報である属性情報、および、反対売買の期間に関する情報である反対売買情報の少なくとも一つを含む情報とし、出力層の出力データを取引データが見せ玉を示すデータか否かを示す情報とするニューラルネットワークと、入力データおよび出力データを含むデータを教師データとしてニューラルネットワークを学習する機械学習手段と、機械学習手段にて学習されたニューラルネットワークに、判定対象とする取引データである判定対象データを入力データとして入力して、その判定対象データが見せ玉を示すデータか否か判定する判定手段と判定の結果を出力する出力手段とを備えたことを特徴とする。
【００１０】
本発明による見せ玉検知方法は、情報処理装置によりニューラルネットワークを実現する見せ玉検知方法であって、ニューラルネットワークは、入力層と出力層とを有し、入力層の入力データを、過去の取引データから得られる情報であって、価格の変動に関する情報である価格変動情報、誘因期間内の約定数に関する情報である誘因期間情報、参加者属性に関する情報である属性情報、および、反対売買の期間に関する情報である反対売買情報の少なくとも一つを含む情報とし、出力層の出力データを取引データが見せ玉を示すデータか否かを示す情報とし、入力データおよび出力データを含むデータを教師データとしてニューラルネットワークを学習し、学習されたニューラルネットワークに、判定対象とする取引データである判定対象データを入力データとして入力して、その判定対象データが見せ玉を示すデータか否か判定し、判定の結果を出力することを特徴とする。
（【００１１】以降は省略されています）

関連特許