新テクノロジーで基盤システムにINNOVATIONを起こす×ラボ(後編)

f:id:monex_engineer:20190717153804p:plain


前編の内容 のつづきです。
blog.tech-monex.com

業務効率化を目指して目論見書解析の実証実験をしましたが想定していたような結果はでませんでした。9月から着手し、この時点でおよそ2か月経過。実証実験の結果発表までは残り1ヵ月程でしたので、次なる実験に着手することにしました。

実証実験(2回目)資産クラス分析

当社では、MONEX VIEWβという保有資産の推移を月次、日次で商品別や資産クラス別に表示し、資産全体の動きを確認できるサービスや、MONEX VISIONβという保有資産の分析や将来のリターン予測、追加購入提案をするなど資産設計のアドバイスサービスもあります。

blog.tech-monex.com

この両サービスで使用しているのが資産クラスという分類です。
マネックス証券独自の分類で、地域(日本・先進国・新興国)、資産(株・債券・REITコモディティ等)、通貨(円建、ドル建て等)の3つの要素を組合せで構成しています。

債券や投資信託の銘柄を1件ずつ分析し、資産クラスを分類する。この分類について今回の機械学習を実験します。

f:id:monex_engineer:20190808195519p:plain

複数資産で構成されている投資信託もある


機械学習を実施
実証実験1回目と同様、「Cloud Machine Learning Engine」を利用して機械学習を実施しました。投資信託の銘柄を35パターンに分類する学習結果を出力する方式を採用し、当社の投資信託データを使用し学習モデルを作成しました。

35パターン= 地域(日本・先進国・新興国)× 資産(株・債券・REITコモディティ等)× 通貨(円建、ドル建て等)  

f:id:monex_engineer:20190813084935p:plain

投信銘柄「i-mizuhoオーストラリア債券インデックス」は、パターン1が正解とする、というイメージです。

 

②結果(1)水増し(augmentation)してみる
学習モデル(1)学習データを水増し(augmentation) しない。
 学習データ件数  1~35に分類した件数:3,829件
 テストデータ学習した結果  予測結果の正答率:73.64%

学習モデル(2)学習データを水増し(augmentation)する。。
 学習データ件数 1~35に分類した件数:3,829件 → 18,410件
 テストデータ学習した結果  予測結果の正答率:73.64% → 77.81%

やはり水増し(augmentation)の方が結果が良いことがわかります。これは前回の結果からも実証済みなので想定通りです。ですが前回は正答率が20%台だったの比べ、70%台まで伸びました!こういう学習モデルを作ればいいんだと確信した瞬間です。
もっと学習精度が上がる方法はないか、水増し(augmentation)しつつ、カラムの型を変えてみました。

 

②結果(2)学習モデルの型を変えてみる
学習モデル(3)学習データを「全カラム文字列型」にする
 テストデータ学習した結果  予測結果の正答率:77.81%

学習モデル(4)学習データを「 一部カラム数値型」にする
 テストデータ学習した結果  予測結果の正答率:80.32%

学習モデル(5)学習データを「列挙型にして、全カラム文字列型」にする
 テストデータ学習した結果  予測結果の正答率:85.34%

学習モデル(6)学習データを「列挙型にして、一部カラム数値型」にする
 テストデータ学習した結果  予測結果の正答率:85.74%

特徴を捉えることが学習項目で実施する、学習モデル作成する型は列挙型にする、などすると学習結果の精度はよくなりました。

f:id:monex_engineer:20190808201010p:plain

f:id:monex_engineer:20190813090520p:plain

結果(1)(2)を表にまとめると

学習モデル(2) = 学習モデル(3)です。

 

前回のまとめから、

・学習データの件数が不均衡だと偏った結果になってしまう
・学習項目がランダムな文字列だと特徴を捉えられないようで想定する結果にならない

さらに、今回の結果では、

特徴を捉えられる項目(=列挙型)のモデルで機械学習すると、精度が高い

ということが実証できました。

 

「Cloud Machine Learning Engine」を使ってみて思ったこと

今回私たちは機械学習を実行するサービスとして「Cloud Machine Learning Engine」を利用しましたが、1回目の実証実験の際は、実際に着手する前に「Cloud Machine Learning Engine」のチュートリアルで紹介されていたアメリカの国税調査データから所得の判定を実施してみました。

チュートリアルをすることで学習モデルの実行→結果確認をする、という一連の作業をやってみて本格的に実験に入りましたが、実験中にあまりに結果が偏ったりしたため、データに問題があるのか、それとも「Cloud Machine Learning Engine」の使い方に問題があるのか、などの原因分析に多く時間を割きました。「Cloud Machine Learning Engine」の制約事項も多く、他の機械学習サービスを検討してもよかったかも、もしくは、文書の分類をするという領域では有用かもしれません。

 

渡瀬 桂システム開発マネックス・ラボ

自社開発の証券基幹システムにイノベーションを起こす!社内アイデアソン開催

f:id:monex_engineer:20190806153513p:plain

こんにちは。開発グループの田中です。
今回は、アイデアソンの企画運営をした事務局の方に記事を書いてもらいました。

マネックス証券でどのような取り組みがされているのか、社内の雰囲気をお伝えしたいと思います。


マネックス証券システム部門で開催されたアイデアソンのレポートです。

イデアソンとは『アイデア(Idea)とマラソン(Marathon) を合わせた造語で、同じテーマについて皆で集中的にアイデアを出し合うことにより、新たな発想を創出しようとする取り組みや、そうした取り組みを主とするイベント』です。

 

第1回GALAXYアイデアソンが、2018年8月~2019年3月にわたって開催されました。

長い期間をかけて行われたのは、2つのフェーズで業務時間外に取り組んだためです。

ステージ1 7月~9月 アイデアを練るフェーズ
 詳しいナレッジを持たない人が参加できるように技術を研究する期間

ステージ2 10月~3月 アイデアからより具体的な実証を行うフェーズ
 具体的に掘り下げることで現実的な課題を浮き彫りにする期間

 

『GALAXY』というのは数年間の開発期間を経て2017年1月にリリースしたマネックス証券の自社開発基幹システムの名称です。

f:id:monex_engineer:20190806131326j:plain

テーマは『新テクノロジーでGALAXYにイノベーションを起こす』

AI、RPA、DevOps、ブロックチェーン (KYC含む)、マイクロサービスアーキテクチャ疎結合API)、サーバーレスアーキテクチャAWSラムダ等)、モジュール化、ビジネスプロセスの細分化、デザインパターン、リーンアジャイル、マルチチャネル対応、業務アプリケーション連携(Slack,IoT等)...

様々なテクノロジーが基幹システムGALAXYに絡んでいることが制約事項で、それ以外は自由です。

7チーム20名がエントリーしました。

 

各チームのテーマと発表の様子を少しご紹介します。

MONEXによるMONEXのための開発標準

f:id:monex_engineer:20190806131633j:plain

◆DLT(分散管理台帳)

f:id:monex_engineer:20190806131647j:plain

◆AIおよびGALAXY適用分野の再検討と学習精度向上技術

f:id:monex_engineer:20190806131708j:plain

機械学習を用いた目論見書解析による業務効率化

f:id:monex_engineer:20190806131358j:plain

◆生体認証を用いた本人特定

f:id:monex_engineer:20190806131414j:plain

f:id:monex_engineer:20190806131429j:plain

◆AIと投信

f:id:monex_engineer:20190806131458j:plain

f:id:monex_engineer:20190806131513j:plain

◆コード自動生成

f:id:monex_engineer:20190806131545j:plain

 

開発本部長:安原さん

『「そんなの無理に決まっています」 から 「まずはやってみましょうか」の文化へ。
やってみたら意外とできることもある。
「やりましょうよ」と声が上がる集団を目指す。』

f:id:monex_engineer:20190806131616j:plain

 

私たちマネックス証券は、業界でも例を見ない証券基幹システムの内製化に取り組み、数年間の開発期間を経て2017年1月に自社システム「GALAXY」をリリースしました。

自社システムを持つメリットは、開発が低コストでスピーディーになり、ノウハウを社内に蓄積することはもちろん、社員が必要と思うものを社員の手で実現できるようになることです。

自分たちの手で運用・開発を行うために、社員の専門性を高める努力をしています。
勉強会、アイデアソン等の開催を通し、普段の業務では交流のないメンバーと一緒に作業したり、新技術の知見を深める取り組みも行っています。

社外の研修にも積極的に参加が奨励され、学ぶ意欲に応える環境があります。

 

次回、優勝チームと参加者アンケートをご紹介します。


いかがでしたか?

過去のアイデアソンについての記事を以下にまとめたので、あわせてご覧ください。

blog.tech-monex.com

blog.tech-monex.com

blog.tech-monex.com

FX

こんにちは。システム開発部 企画・設計Gの牛込です。

マネックス証券に転職してからは、4年半程になりました。
前職はITコンサル系の会社に所属していて主に金融システムを担当していました。
上記のような由縁で現在は主にFX(外国為替証拠金取引)、先物OP取引システムのプロジェクトを推進しています。

FXの過去

折角なのでFXのお話をさせてもらいます。日本では1998年の「新改正外為法」の施行により個人による為替取引が自由化されました。

黎明期は法規制が不十分な事もありよからぬ業者の出現や、システム面の不備等による問題が発生したりしました。(FXは怖いという認識もあったりしたそうです。)
まあそれも10年・20年と経過するにつれ、法規制はもちろん内部管理も充実していき立派に一つの金融取引として成長できたのかなと考えております。

FXPLUS

マネックス証券ではFXPLUSというサービスを展開しています。
以下は取引ツールであるMonex TraderFX(バックナンバーでも少し触れています。)

サービスの改善はもちろんですが、日々の安定稼働を願い精進しております。

f:id:monex_engineer:20190730140525p:plain

 サービスの改善はもちろんですが、日々の安定稼働を願い精進しております。
もう4年近く稼働しているシステムなのでそろそろリプレースの時期かなーと勝手に思う今日この頃です。

お仕事の後は・・・

f:id:monex_engineer:20190731082911j:plain

野球観戦! 
平日でもプレイボールに間に合うように会社を出ます。
ありきたりですがプライベートの時間はしっかりとれます。