TaiLexi AI日本の判例・法令
← ホーム
審決特許庁成立

特許庁審決 令和7年1月24日

不服2024-010879 高頻度証券取引方法およびシステム

AI 要約AI

機械学習モデルを利用した高頻度証券取引方法の発明について、遅延時間に基づいて未来時点を選択する構成が、証券取引所への送信時間を考慮しなくても実施可能であると判断された事例

ほか 1 項目を見る ↓AI が判決本文から作成した要約です(誤りを含む可能性があります)。

この資料について AI に質問

機関
特許庁
年月日
令和7年1月24日 (2025-01-24)
事件番号
不服2024-010879
事件名
高頻度証券取引方法およびシステム
種類・結果
審決 成立
掲載
—
争点・税目
拒絶査定不服審判 / 特許
分野
知的財産

結論

原査定を取り消す。

本願の発明は、特許すべきものとする。

AI 要約AI

要旨

  • 機械学習モデルを利用した高頻度証券取引方法の発明について、遅延時間に基づいて未来時点を選択する構成が、証券取引所への送信時間を考慮しなくても実施可能であると判断された事例
  • 補正により遅延時間に含まれない送信時間を追加した場合、解決しようとする課題が補正前と同一でないとして、特許法17条の2第5項第2号の減縮に該当しないとされた事例
事案の概要・争点・判断などを表示

事案の概要

  • 本願は、令和5年2月27日にパリ条約による優先権主張(2022年4月7日、大韓民国)を伴って出願された、高頻度証券取引方法およびシステムに関する特許出願である。
  • 令和5年12月5日に拒絶理由通知、令和6年3月7日に意見書・手続補正書を提出したが、令和6年3月18日に拒絶査定(原査定)を受けた。
  • 令和6年7月2日に審判請求および手続補正(本件補正)を提出したが、本件補正は特許法17条の2第5項各号に該当しないとして却下された。
  • 原査定の拒絶理由は、特許法36条4項1号の実施可能要件違反であり、証券取引所への送信時間等が遅延時間に含まれず本願所望の動作を行えないというものであった。

争点

  • 本件補正が特許法17条の2第5項第2号の特許請求の範囲の減縮を目的とするものに該当するか否か
  • 本願発明の詳細な説明が特許法36条4項1号の実施可能要件を満たすか否か

判断

  • 本件補正は、遅延時間に含まれないターゲット証券取引所への伝送時間を追加するものであり、解決しようとする課題が補正前と同一でないから、特許法17条の2第5項第2号の減縮に該当せず、同項各号のいずれにも該当しないとして却下された。
  • 原査定の理由は、証券取引所への送信時間等が遅延時間に含まれない点を問題とするが、発明の詳細な説明の記載(情報処理システムをターゲット証券取引所のサーバーと近いところに位置させること等)を踏まえると、当業者であれば本件課題を解決できることは明らかであり、実施可能要件を満たすと判断された。

判旨(本文から引用)

  • 「証券取引所への送信時間、証券取引所が受理するために係る時間」に関する事項が明記されていなくても、発明の詳細な説明の上記(1)の記載を踏まえると、当業者であれば、上記「第2」で示した本件課題を解決できることは明らかである。

結論

  • 原査定を取り消す。
  • 本願の発明は、特許すべきものとする。

AI が本文から作成した要約です。引用の際は本文をご確認ください。

当事者

請求人 リベリオンズ インコーポレイテッド(代理人 弁理士2名)

審判番号 不服2024-010879

請求人 リベリオンズ インコーポレイテッド(代理人 弁理士2名)

特願2023-27875「高頻度証券取引方法およびシステム」拒絶査定不服審判事件〔令和5年10月20日出願公開、特開2023-155162、請求項の数(13)〕について、次のとおり審決する。

結 論

原査定を取り消す。

本願の発明は、特許すべきものとする。

理 由

第1 手続の経緯

本願は、令和5年2月27日(パリ条約による優先権主張2022年4月7日、大韓民国)に出願したものであって、その手続の経緯の概略は以下のとおりである。

令和5年12月5日付け 拒絶理由通知書

令和6年3月7日   意見書、手続補正書の提出

令和6年3月18日付け 拒絶査定(以下、「原査定」という。)

令和6年7月2日   審判請求書、手続補正書の提出

第2 令和6年7月2日にされた手続補正についての補正の却下の決定

[補正の却下の決定の結論]

令和6年7月2日にされた手続補正(以下「本件補正」という。)を却下する。

[理由]

1 本件補正について

(1)本件補正の内容

本件補正は、補正前の請求項1の「前記遅延時間に基づいて、前記複数の未来時点のうち一つの未来時点を選択する段階と、」を、補正後の請求項1の「前記遅延時間およびターゲット証券取引所に伝送するための所定の時間に基づいて、前記複数の未来時点のうち一つの未来時点を選択する段階と、」とする補正事項(以下、「補正事項」という。)を含むものである。

(2)発明の詳細な説明の記載について

本願の発明の詳細な説明には、次の記載がある。

「【背景技術】

【0002】

高頻度証券取引(high frequency trading)は株式、債権、派生商品などの有価証券の微細な価格変動を利用して、短い時間内に高頻度(例えば、1秒に数百回から数千回)で取引する取引方式である。高頻度証券取引においては迅速な処理速度が非常に重要である。一般的に、入力された情報に基づいてトレーディングアルゴリズムを処理して出力するまでの時間が短縮されるほど取引での優位を先取りすることができる。

【0003】

一方、機械学習モデルを利用した高頻度証券取引技法はマーケットから獲得される大量のデータを分析するので、特定種目の相場の予測時に既存の古典的なアルゴリズムを通じて獲得され得る予測の正確性に影響を及ぼす因子よりさらに多くの因子を考慮することができる。ただし、機械学習モデルを利用して多量のデータを分析するためには、機械学習の演算に多くの保存空間と処理資源が要求され得る。しかし、既存のプロセッサは、このような高頻度証券取引技法を支援するには適合しない場合もある。

【0004】

また、機械学習モデルで、大量のデータに対する複雑な演算が要求されるので、機械学習モデルを利用する場合、証券注文のための遅延時間(latency)が発生し得る。このような遅延時間によって、機械学習モデルを通じて証券種目の予測データが出力される時点がすでに過去の時点となる時点乖離現象が発生し得る。例えば、機械学習モデルがT1未来時点(T1は正数である)でのターゲット種目に対する予測データを出力したが、遅延時間によって予測データが獲得される時点がT1+n(nは正数である)となって、予測データが過去に対するデータとなる問題点が発生し得る。」

(3)補正の要件の検討

上記(2)のとおり、本願は、機械学習モデルで、大量のデータに対する複雑な演算が要求されるので、機械学習モデルを利用する場合、証券注文のための遅延時間(latency)が発生することで、機械学習モデルを通じて証券種目の予測データが出力される時点がすでに過去の時点となる時点乖離現象が発生し得ることを、発明が解決しようとする課題(以下、「本件課題」という。)とするものである。

これに対し、上記補正事項は、「前記複数の未来時点のうち一つの未来時点を選択する」ために、「遅延時間」に含まれない「ターゲット証券取引所に伝送するための所定の時間」に基づく旨を発明特定事項に追加するものであり、その補正後において、上記課題とは別に、ターゲット証券取引所に伝送するための所定の時間によって生じる課題を解決するためのものとなり、解決しようとする課題が補正前のものと同一であるとはいえない。

したがって、本件補正は、特許法第17条の2第5項第2号に掲げる特許請求の範囲の減縮を目的とするものに該当しない。

また、本件補正が同項第1号、第3号及び第4号に掲げるいずれの事項を目的とするものにも該当しないことは、明らかである。

2 補正の却下の決定のむすび

以上のとおり、本件補正は、特許法第17条の2第5項の各号に掲げるいずれの事項を目的とするものにも該当せず、同法第17条の2第5項の規定に違反するものであるから、同法第159条第1項において読み替えて準用する同法第53条第1項の規定により却下されるべきものである。

よって、上記補正の却下の決定の結論のとおり決定する。

第3 本願発明について

1 本願発明の認定

本件補正は、上記「第2」のとおり却下されたので、本件補正前の本願の請求項1~13に記載された発明は、次のとおりのものである。

「  【請求項1】

少なくとも一つのプロセッサによって遂行される、高頻度証券取引方法において、

ターゲット種目に対するマーケットデータに基づいて入力データを生成する段階と、

前記生成された入力データを機械学習モデルに入力して、複数の未来時点のそれぞれに対する前記ターゲット種目に対する予測データを生成する段階と、

前記生成された予測データに基づいて前記ターゲット種目に対する注文データを生成する段階と、

証券注文のための遅延時間を算出する段階とを含み、

前記注文データを生成する段階は、

前記遅延時間に基づいて、前記複数の未来時点のうち一つの未来時点を選択する段階と、

前記選択された未来時点に対応する前記ターゲット種目に対する注文データを生成する段階とを含む、高頻度証券取引方法。

【請求項2】

前記複数の未来時点のうち一つの未来時点を選択する段階は、

前記複数の未来時点の中で、前記遅延時間以後の最も速い未来時点を選択する段階を含む、請求項1に記載の高頻度証券取引方法。

【請求項3】

前記複数の未来時点のうち一つの未来時点を選択する段階は、

前記複数の未来時点の中で前記遅延時間以後の一つ以上の未来時点を選択する段階と、

前記選択された一つ以上の未来時点のそれぞれに対する期待収益を算出する段階と、

前記算出された期待収益が最大である未来時点を選択する段階とを含む、請求項1に記載の高頻度証券取引方法。

【請求項4】

前記少なくとも一つのプロセッサは第1プロセッサおよび前記機械学習モデルのための第2プロセッサを含み、

前記遅延時間を算出する段階は、

データレート(data rate)、前記第1プロセッサと前記第2プロセッサとの間の入出力帯域幅、入出力データの大きさ、前記第2プロセッサによる前記機械学習モデルの演算速度、前記第1プロセッサの処理速度または前記第2プロセッサのビジー(busy)状態のうち少なくとも一つに基づいて前記遅延時間を算出する段階を含む、請求項1に記載の高頻度証券取引方法。

【請求項5】

前記遅延時間は、

前記第1プロセッサによって前記マーケットデータが前処理されるまでにかかった所要時間、前記第1プロセッサから前記第2プロセッサに前記前処理されたデータを伝達するのに所要する時間、前記第2プロセッサによって前記機械学習モデルの演算が完了するまでにかかった所要時間、前記第2プロセッサから前記第1プロセッサに演算結果が伝達されるのにかかった所要時間および前記第1プロセッサによって前記演算結果に基づいて前記注文データが生成されるまでにかかった所要時間を含む、請求項4に記載の高頻度証券取引方法。

【請求項6】

前記選択された注文データをターゲット証券取引所に伝送する段階をさらに含む、請求項1に記載の高頻度証券取引方法。

【請求項7】

前記機械学習モデルは、

特定時点の特定種目に対するマーケットデータおよび正解データ(ground truth data)を含むトレーニングセットに基づいて、特定時点より未来である複数の時点での前記特定種目に対する予測データを推論するように学習された、請求項1に記載の高頻度証券取引方法。

【請求項8】

請求項1~請求項7のいずれか一項に記載された方法をコンピュータで実行するためのコンピュータ読み取り可能なコンピュータプログラム。

【請求項9】

情報処理システムにおいて、

一つ以上のインストラクションを保存する第1メモリと、

前記第1メモリの一つ以上のインストラクションを実行することによって、ターゲット種目に対するマーケットデータに基づいて入力データを生成するように構成された第1プロセッサと、

一つ以上のインストラクションを保存する第2メモリと、

前記第2メモリの一つ以上のインストラクションを実行することによって、前記第1プロセッサから前記入力データを受信し、前記入力データを機械学習モデルに入力して、複数の未来時点のそれぞれに対する前記ターゲット種目に対する予測データを生成し、前記生成された予測データを前記第1プロセッサに提供するように構成された前記機械学習モデルのための第2プロセッサとを含み、

前記第1プロセッサは、

前記第2プロセッサから提供された前記予測データに基づいて前記ターゲット種目に対する注文データを生成するようにさらに構成され、

前記第1プロセッサは、

証券注文のための遅延時間を算出するようにさらに構成され、

前記注文データを生成することは、

前記遅延時間に基づいて、前記複数の未来時点のうち一つの未来時点を選択することと、

前記選択された未来時点に対応する前記ターゲット種目に対する注文データを生成することとを含む、情報処理システム。

【請求項10】

前記複数の未来時点のうち一つの未来時点を選択することは、

前記複数の未来時点の中で、前記遅延時間以後の最も速い未来時点を選択することを含む、請求項9に記載の情報処理システム。

【請求項11】

前記複数の未来時点のうち一つの未来時点を選択することは、

前記複数の未来時点の中で前記遅延時間以後の一つ以上の未来時点を選択することと、

前記選択された一つ以上の未来時点のそれぞれに対する期待収益を算出することと、

前記算出された期待収益が最大である未来時点を選択することとを含む、請求項9に記載の情報処理システム。

【請求項12】

前記遅延時間を算出することは、

データレート、前記第1プロセッサと前記第2プロセッサとの間の入出力帯域幅、入出力データの大きさ、前記第2プロセッサによる前記機械学習モデルの演算速度、前記第1プロセッサの処理速度または前記第2プロセッサのビジー状態のうち少なくとも一つに基づいて前記遅延時間を算出することを含む、請求項9に記載の情報処理システム。

【請求項13】

前記機械学習モデルは、

特定時点の特定種目に対するマーケットデータおよび正解データを含むトレーニングセットに基づいて、特定時点より未来である複数の時点での前記特定種目に対する予測データを推論するように学習された、請求項9に記載の情報処理システム。」

2 原査定における拒絶の理由

本願発明についての原査定の拒絶の理由の概要は、以下のとおりである。

「2.(実施可能要件)この出願は、発明の詳細な説明の記載が下記の点で、特許法第36条第4項第1号に規定する要件を満たしていない。」

3 原査定における拒絶の理由に対する判断

(1)発明の詳細な説明の記載

本願の発明の詳細は説明には、上記「第2」の1(2)の記載に加えて、次の記載がある。

「【0046】

図1は、本開示の一実施例に係る情報処理システム110の作動の例を示す概要図である。一実施例によると、情報処理システム110はマーケットデータに基づいて一つ以上の未来時点(近い未来時点、例えば、予め定められた時間後)の市場状況を予測することができ、これに基づいてターゲット種目に対する注文を生成してターゲット証券取引所(第2証券取引所)に伝送することができる。高頻度証券取引において、マーケットデータに基づいて速い速度で注文を生成して伝送することが非常に重要である。このため、高頻度証券取引ではマイクロ秒単位の遅延時間(latency)まで考慮されなければならず、遅延時間を減少させるために情報処理システム110はターゲット証券取引所(第2証券取引所)のサーバーと近いところに位置(colocation)することができる。」(下線は、当審で付与した。)

(2)検討

原査定の理由は、上記(1)の記載を踏まえた上で、「情報処理システム110をターゲット証券取引所のサーバーと近いところに位置させるほどのものであることから、証券取引所への送信時間すら無視できないことが理解できる。それにも関わらず、本願発明では、遅延時間について、証券取引所への送信時間、証券取引所が受理するために係る時間が無視されており、本願所望の動作を行えない。」とするものである。

しかしながら、「証券取引所への送信時間、証券取引所が受理するために係る時間」に関する事項が明記されていなくても、発明の詳細な説明の上記(1)の記載を踏まえると、当業者であれば、上記「第2」で示した本件課題を解決できることは明らかである。

(3)小括

以上のとおりであるから、この出願の発明の詳細な説明は、当業者が請求項1~13係る発明を実施することができる程度に明確かつ十分に記載されたものである。

第4 むすび

以上のとおりであるから、原査定の理由によって、本願を拒絶することはできない。

また、他に本願を拒絶すべき理由を発見しない。

よって、結論のとおり審決する。

令和7年1月24日

審判長 特許庁審判官 相崎 裕恒

特許庁審判官 松田 直也

特許庁審判官 伏本 正典

出典:特許庁「審決公報」(令和7年2月28日発行・号数2025-002、公報発行サイト https://www.gazette.jpo.go.jp/scciidl010 )を加工して作成(加工:TaiLexi AI)
本文は公表資料(PDF 等)から機械的に抽出・整形したもので、改行や記号に誤りを含むことがあります。正確な文言は原本でご確認ください。