「ウェブリブログ」は 2023年1月31日 をもちましてサービス提供を終了いたしました。 2004年3月のサービス開始より19年近くもの間、沢山の皆さまにご愛用いただきましたことを心よりお礼申し上げます。今後とも、BIGLOBEをご愛顧賜りますよう、よろしくお願い申し上げます。 ※引っ越し先ブログへのリダイレクトサービスは2024年1月31日で終了いたしました。 BIGLOBEのサービス一覧
今データマイニングの応用事例として興味があるのが株価予測。 ってなわけで早速過去10年分の日経平均の日足データをダウンロードして準備開始。 とりあえずニューラルネットワークを用いて日経平均終値の値動きを近似することで株価予測を行おうと思います。 まず考えるべきはニューラルネットワークの入力層にどんなデータを与えて出力層の値に何を出力するのかを決定しなければならないので、ここは単純に日経平均終値の60日分の株価を与えて翌日の株価を予測することを目標とします。 なのでここではニューラルネットワークの入力層:60個、出力層:1個、中間層:180個で株価の学習を行います。 早速予測といきたいのですがまずはニューラルネットワークの勉強もかねてPythonで実装してみました。 実際に学習させて予測してみます。 # coding: utf-8 import neuralnet if __name__ =
今回は前回の検証ということで過去10年分の日経平均終値を訓練データとテストデータに分割して 訓練データを用いてニューラルネットを学習させ、未知データであるテストデータを実際に用いて株価の近似が上手くいっているのか確かめてみようと思います。 また株が上昇するのか下落するのかの予測の正当確率も求めます。 以下アバウトですが2001年3月13日から2009年ぐらいの期間の株価変動率を訓練データとし、それ以降のデータをテストデータとしています。 以下実際の株価と予測した株価の結果になります。 正当確率:0.51814516129 株が上昇するのか下落するのかの予測の正当確率は0.51814516129とほとんど山勘と対して変わらない結果ですね。 とりあえず今日はここまでにします。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く