世界の多くのデータは、ストリーミング形式の時系列データであり、異常値が重要な情報を提供することがあります。特に、危機的な状況下では異常値の検出が極めて重要です。しかし、ストリーミングデータにおける異常値の検出は困難な課題で、検出器はリアルタイムでデータを処理しつつ、予測を行うために学習する必要があります。本稿では、階層的時間記憶（Hierarchical Temporal Memory: HTM）というオンラインシーケンスメモリアルゴリズムに基づく新しい異常検出技術を提案します。実際のアプリケーションにおいて、当該技術がリアルタイムで金融指標の異常値を検出する結果を示します。さらに、リアルタイム異常検出のための公開ベンチマークであるNAB（Netflix Anomaly Benchmark）でアルゴリズムをテストした結果、当該アルゴリズムはクラス最高の性能を達成しました。