Nippotica Publishes Two Financial-AI Papers at IEEE Conference in Computational Intelligence CIFEr

Japan-to-U.S equity information flow / Constraint-guaranteed synthesis of financial time-series data

ニポティカ株式会社

2026年8月7日 10時10分

※本リリースの後半に日本語訳を掲載しています。

Nippotica Corporation (Shibuya-ku, Tokyo; CEO: Daijiro Nishi) is pleased to announce that

two papers by its research team, on computational intelligence for finance, have been

accepted at the IEEE Computational Intelligence in Financial Engineering and Economics (CIFEr) 2026 conference, organized by the IEEE. The conference will be held on September 10–11, 2026, at Seikei University in Tokyo, Japan.

https://cifer2026.mhirano.jp/

https://cifer2026.mhirano.jp/accepted_papers

About IEEE / IEEE CIFEr

The IEEE (Institute of Electrical and Electronics Engineers) is the world's largest technical

professional organization in the electrical, electronic, and information fields, and a designated public charity in the United States. IEEE CIFEr, organized by the IEEE Computational

Intelligence Society, is an international conference dedicated to applying computational

intelligence to financial engineering and economics. It brings together peer-reviewed

research from around the world on the application of advanced techniques—including

machine learning and generative AI—to finance and economics.

Accepted Paper 1 — When Nikkei Leads: Persistent Japan-to-U.S. Equity Information Flow

Challenging the widely held view in financial economics that U.S. equity markets lead global

price discovery, this study uses an information-theoretic method (KSG Transfer Entropy) to

quantify the directional flow of information between the S&P 500 and the Nikkei 225 over

2022–2024. The Nikkei 225 was found to lead the S&P 500 consistently across all three

years, with the signal concentrated in the one-day window between the Tokyo close and the New York open. The August 2024 global selloff is shown to be an amplification of a

directional pattern already in place rather than its origin, and correlation-based risk

measures are shown to be blind to this structure. The findings are consistent with the yen

carry trade and Bank of Japan monetary policy as the structural transmission channel.

Title: When Nikkei Leads: Transfer Entropy Evidence of Persistent Japan-to-U.S. Equity Information Flow

Authors: Kambiz Homayounfar, Daijiro Nishi (both Nippotica Corporation)

Code: https://github.com/KambizHoma/nikkei-spy-transfer-entropy

Accepted Paper 2 — Constraint-Guaranteed Synthesis of OHLCV Data

Bar-level OHLCV data used in backtesting and execution simulation must satisfy hard

geometric constraints—the High must be at least the Open and Close, and the Low at most

the Open and Close. Existing AI-based methods generate only univariate return series and

offer no way to enforce these constraints. This work introduces a “constraint-by-constructi-

on” reparameterization of each bar into five components that makes constraint violations

structurally impossible: zero violations were recorded across all 1,255,500 generated bars,

guaranteed mathematically regardless of training quality or random seed. Extending Quant GAN into a five-channel joint generator, the model reproduces the intrabar range distribution with an 8% mean error and captures the contemporaneous volume-volatility correlation.

Volatility clustering remains an open problem, discussed together with a concrete proposed

resolution.

Title: Constraint-Guaranteed Synthesis of OHLCV Data

Authors: Kambiz Homayounfar, Mario Luoni (both Nippotica Corporation).

Code: https://github.com/KambizHoma/HardConstraints

Outlook

Both studies underpin the financial-engineering and risk-measurement technologies

Nippotica provides to financial institutions. The company will continue to advance research

and development in computational intelligence for finance and economics, contributing to

the academic community and deepening the AI capabilities of its products and services.

About Nippotica Corporation

Nippotica Corporation is a Tokyo-based deeptech venture operating two business lines:

fintech (Nippofin) and computer vision / physical AI (Algotechniq), delivering AI technology

to financial institutions and public infrastructure in Japan.

Legal name: Nippotica Corporation

Location: Tokyo

Representative: Daijiro Nishi

Business: R&D in fintech and computational vision

Website: https://www.nippotica.com/

Contact

Nippotica Corporation

Email: info@nippotica.com / Tel: +81 80-1151-5856

Company and product names appearing herein may be registered trademarks or trademarks of their respective owners.

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー

ニポティカ、計算知能に関するIEEE国際会議「CIFEr 2026」にて　　　　　金融AIの論文2本を発表

— 日米間の株式情報フローおよび金融時系列データの制約保証型合成に関する研究 —

ニポティカ株式会社（本社：東京都渋谷区、代表取締役：西大治郎）は、同社研究チームによる金融分野の計算知能に関する2本の論文が、IEEE（電気電子学会）が主催する国際会議「IEEE Computational Intelligence in Financial Engineering and Economics (CIFEr) 2026」に採択されたことをお知らせいたします。本会議は2026年9月10日～11日に成蹊大学（東京都）にて開催されます。

https://cifer2026.mhirano.jp/

https://cifer2026.mhirano.jp/accepted_papers

IEEEおよびIEEE CIFErについて

IEEE（Institute of Electrical and Electronics Engineers）は、電気・電子・情報分野における世界最大の技術専門職組織であり、米国内国歳入法501(c)(3)に基づく非営利団体です。IEEE計算知能学会（IEEE Computational Intelligence Society）が主催するIEEE CIFErは、金融工学および経済学への計算知能の応用に特化した国際会議です。機械学習や生成AIをはじめとする高度な技術の金融・経済への応用に関する、世界中からの査読済み研究を集結させています。

採択論文1 — When Nikkei Leads: Persistent Japan-to-U.S. Equity Information Flow

「米国株式市場がグローバルな価格発見を主導している」という金融経済学における通説に一石を投じるため、本研究では情報理論的手法（KSG法による伝達エントロピー）を用いて、2022年〜2024年におけるS&P 500と日経平均株価の間の情報の方向性フローを定量化しました。その結果、日経平均株価が3年の全期間を通じて一貫してS&P 500をリードしていることが判明し、そのシグナルは東京市場の閉場からニューヨーク市場の開場までの1日分のウィンドウに集中していました。2024年8月の世界的株価急落は、その震源というよりも、すでに存在していた方向性パターンの増幅であったことが示されており、相関ベースのリスク指標ではこの構造を捉えられないことが示されています。これらの知見は、円キャリートレードや日本銀行の金融政策が構造的な伝達チャネルとして機能していることと一致しています。

論文タイトル : When Nikkei Leads: Transfer Entropy Evidence of Persistent Japan-to-U.S. Equity Information Flow

著者 : カンビズ・ホマユンファ、西大治郎（共にニポティカ株式会社）

コード : https://github.com/KambizHoma/nikkei-spy-transfer-entropy

採択論文2 — Constraint-Guaranteed Synthesis of OHLCV Data

バックテストや執行シミュレーションで使用されるバー単位のOHLCVデータは、厳格な幾何学的制約を満たす必要があります。すなわち、高値（High）は始値（Open）および終値（Close）以上でなければならず、安値（Low）は始値および終値以下でなければなりません。既存のAIベースの手法では、単変量の収益率系列しか生成されず、これらの制約を強制する方法はありませんでした。本研究では、各バーを5つのコンポーネントに再パラメータ化する「constraint-by-construction」手法を導入し、制約違反を構造的に不可能にしました。生成された1,255,500本のバーすべてにおいて違反は一切記録されず、学習の品質や乱数シードに関わらず数学的に保証されています。QuantGANを5チャンネルのジョイントジェネレーターに拡張することで、本モデルはバー内レンジ分布を8%の平均誤差で再現し、同時刻の出来高とボラティリティの相関関係を捉えています。ボラティリティ・クラスタリングについては未解決問題として残されており、具体的な解決策の提案とともに議論されています。

論文タイトル : Constraint-Guaranteed Synthesis of OHLCV Data

著者 : カンビズ・ホマユンファ、マリオ・ルオニ（共にニポティカ株式会社）

コード : https://github.com/KambizHoma/HardConstraints

今後の展望

両研究は、ニポティカが金融機関向けに提供する金融工学およびリスク測定技術の基盤となるものです。同社は今後も金融・経済における計算知能の研究開発を推進し、学術界への貢献と、自社製品・サービスのAI機能の深化を図ってまいります。

ニポティカ株式会社について

ニポティカ株式会社は、東京都を拠点とするディープテックベンチャーであり、フィンテック（Nippofin）とコンピュータビジョン／フィジカルAI（Algotechniq）の2つの事業を展開し、日本の金融機関や社会インフラにAI技術を提供しています。