初めての機械学習で株価の未来予測
初めての機械学習で株価の未来予測
10cmです｡こんにちは｡今回は機械学習について記載していきます｡
私事ですが､最近株をはじめました｡本件とは別に､株価を確認するためのスマホアプリを休日に作成しております｡
せっかく株価データをAPIを使って取得しているため､他にも使えないかと思い､機械学習に走りました｡
株価の未来予測なんて他の方がたくさんやられていますが､今回はメモ感覚で記載します｡
今回はサイトの実装を参考にして(パクって)実装します｡
環境
- CentOS 7
- python3.6
- scikit-learn
- pandas
概要
予測したい日付の株価(終値､以下株価)を､前n日分の株価を用いて予測します｡アルゴリズムは､決定木を使用します｡
実装
# 株価データの取得
orign_data = getOneDay(6752)
# リターンインデックス(丸パク)
returns = pd.Series(orign_data).pct_change()
ret_index = (1 + returns).cumprod()
ret_index[0] = 1
# 教師データの作成
x, y = createData(ret_index.tolist())
# 予測データと答え
xx = x.pop(-1)
yy = y.pop(-1)
# 決定木(丸パク)
clf = tree.DecisionTreeClassifier()
clf.fit(x, y)
result_y = getResult(xx, clf)
print('期待値 :{0}'.format(yy))
print('結果 :{0}'.format(result_y))
orign_data
株価データはmysqlでデータとして保持しているため､銘柄コードのデータを日付順にソートして取得しています｡ret_index
リターンインデックス､と言うものが何を表しているのかよくわかっていません｡生の株価データを利用するより割合?で教育データを作った方が良いとのこと｡
x, y
xには､教育に利用するデータ(30日分)､yにはその時の結果がリストで入っています｡x = [[100, 111, 112, ･･･ , 120, 115], [] ････ []] y = [1, 0, 0, 1, ･･･, 1, 0] # 1: 上がった､ 0: 下がった
clf
clfには､scikit-learnで提供されている､決定木のオブジェクトが入ります｡clf.fit(x, y)とすることで､学習が行われます｡
clf.predict(予測用データ)とすることで､予測結果が返ってきます｡
最後に､答え合わせを行っています｡
結果
学習データの数によって､1になったり0になったり｡｡｡(当たりまえか)わかってはいましたが､株価だけではやはり教育データとして決定打にかけている｡
外的要因(ニュースなど)を用いた株価予測などを今後やっていこうと思います｡
参考
機械学習で未来を予測する - scikit-learn の決定木で未来の株価を予測
