概要: 本研究では、金融異常を検出するための3つのクラスの手法の性能を評価します。それらは、トポロジカルデータ解析（TDA）、主成分分析（PCA）、およびニューラルネットワークベースのアプローチです。これらの手法をTSX-60データに適用し、カナダ株式市場における主要な金融ストレス事象を特定します。ニューラルネットワークベースの手法（GlocalKDやOne-Shot GIN(E)など）およびTDA手法が、最も強い性能を達成することを示します。金融異常を検出する上でのTDAの有効性は、金融ストレス事象を区別するうえで大域的なトポロジカル特性が意味を持つことを示唆します。
カナダ市場における財務異常検知
arXiv cs.LG / 2026/4/6
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、カナダ市場データ（TSX-60）を用いて、3つの異常検知手法――位相的データ解析（TDA）、PCA、ニューラルネットワークベースの手法――を比較する。
- 大きな金融ストレス事象の特定に焦点を当て、TDAとニューラルネットワーク手法がPCAよりも優れていることを示す。
- GlocalKDやOne-Shot GIN(E)といったニューラルネットワーク手法は、異常検知において総合的に最も強い性能を提供すると報告されている。
- 著者らは、TDAの成功は、データのグローバルな位相的特徴が、金融ストレス期間を区別するための意味のある信号を含んでいることを示していると主張している。
