【Python】LSTMによる株価予測【Chainer】

株価データ

日経平均株価を使用。
インデックス投資などはこの日経平均株価や東証株価指数(TOPIX)の動きに合わせて分散投資する手法。
手堅い手法ではあるが、予測できるならば、「手堅くアクティブ」という状況は作れるはず。
https://www.macrotrends.net/2593/nikkei-225-index-historical-chart-data

Nikkei 225 Index - 67 Year Historical Chart

Interactive daily chart of Japan's Nikkei 225 stock market index back to 1949. Each data point represents the closing va...

www.macrotrends.net

上記から、csvを入手できる。

上記のように15行分のヘッダが居るので読み飛ばす必要はある。

学習方針

取得した日経平均株価は1949年から現在までのデータが揃っている。
本来であれば、すべてのデータを使用した方が良いように感じるが、人類の経済成長と言う謎の定性的要因に引っ張られるので、2019年と2020年のデータだけを使用する。

2019年を訓練データ
2020年1月~4月をテストデータ
とする。

訓練データとミニバッチ学習

2019年のデータをランダムに10個の60日分データを使用した学習を1エポックとし、
1000、2000、3000のエポック毎で効果を確認する。

予測値の出し方

予測させるのは、株価ではなく、それの微分値こと偏差。
赤線が真値、青線が予測値。

微分値を積分こと、総和して、元の株価に戻す。
こちらも、赤線が真値、青線が予測値。

次は実際に予測をしてみる。

Chainer v2による実践深層学習

https://amzn.to/3yEOIeo

amzn.to

ゼロから作るDeep Learning 2 ―自然言語処理編

https://amzn.to/3yqC2I1

amzn.to

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

https://amzn.to/3ys3B3L

amzn.to

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

Amazon.co.jp

amzn.to