Pythonで株価を機械学習モデルに投入して、グラフに表示してみる - Qiita
はじめに 最近の個人的なブームはブロックチェーン・仮想通貨です。 それに伴って（？）仮想通貨など考えるならば、株価を、機械学習で予測することのほうが良いのではないかと思い立った次第です。 とりあえず、データを集めて、それを機械学習のライブラリ（scikit-learnのSVM）に投入してモデルごとの結果を図示化を行いました。 厳密にいえば、今回のものは将来予測ではなく最適収斂モデルなので微妙に違うところもありますが。。 しかしこれは第一弾で、投入データを増やす、モデルをKeras,Tensorflow,chainerなどのやつにする、海外の文献をあさるなど今後に取りうる方針はいろいろありますが、まずはメモ書き残し用途です。 結果 ソースコード import csv import numpy as np from sklearn.svm import SVR import matplotli
【Day-14】株価や仮想通貨で使える、5つのテクニカル分析を解説&Pythonで実装してみた - プロクラシスト
データ分析ガチ勉強アドベントカレンダー 14日目。 時系列データでまず思いつくのは、株価のチャートですよね。 また、最近はやっている仮想通貨。私も最近coincheckに入金しました。 ビットコイン取引所 "coincheck" やっぱ、実際にお金が絡むとちゃんと勉強しようって言う気になる！笑 せっかくチャートを見るわけだし、その見方について勉強しておこうと思いました。 そしてせっかくなので、自分で実装してどういう仕組みなのかまで知っておこうと思いました。 理系だからね、分からないものを使うのは嫌だからね。 というわけで、Python(主にPandasとMatplotlibを用いながら)でテクニカル指標についてやっていきます。扱うデータは三年分の日経平均株価。 指標について知りたい人も、自分で実装してみたいという人もどうぞ。 テクニカル分析とファンダメンタル分析 実装において ローソク足
為替と株の予測の話
Twitter: ottamm_190 追記 2022/4/24 speakerdeck版：https://speakerdeck.com/masatoto/shen-ceng-xue-xi-falsebu-que-shi-xing-uncertainty-in-deep-neural-networks コンパクト版：https://speakerdeck.com/masatoto/shen-ceng-xue-xi-niokerubu-que-shi-xing-ru-men
Twitter感情分析で株価予測の論文を検証したら約70%の精度で上下予測できた - Qiita
どうも、オリィ研究所 (http://orylab.com/) のryo_gridこと神林です。 今回はTwitter感情分析で株価予測の論文「Twitter mood predicts the stock market」を検証してみました。 追記: コメント欄にテクニカルによる予測とアンサンブルして約70%の精度で予測できたことについて記述しています。 追記２: コメント欄に始値で予測した場合について記述しています 検証対象 "Twitter mood predicts the stock market" https://arxiv.org/pdf/1010.3003.pdf 上記論文を日本語で解説した記事は以下。 [第三回論文速報会] Twitterの感情分析から株価の予報は可能か？ http://networkpaper.blogspot.jp/2012/04/twitter.htm
TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる CNN編 - Qiita
前回までRNN(LSTM)や他の識別器で為替の予測を行ってきましたが、今回はCNNで予測をしてみたいと思います。 第１回 TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる 第２回 ディープじゃない機械学習で為替(FX)の予測をしてみる データの準備 前回まで終値の差分を学習データとしていましたが、今回は終値そのものを学習データにしてみます。 また、今回はUSDJPYの１時間足、2008年1月1日〜2017年3月10日を利用し、前半95%を学習、後半5%をテスト（バリデーション）としました。 CNNは画像認識で高い精度を発揮していますが、画像以外でも応用することは可能です。例えば終値が以下のようなデータがあったとします。 これを画像に変換します。 このように１次元の画像と見なすことができます。 色が複数チャネルあるように見えますが実際はグレースケールです。カラーマッ
Mac と GNU/Linux でトレーディング環境を用意する | 774::Blog
トレーディングツールといえば Windows 用のソフトウェアが多く、多くのトレーダーも多数のモニターを備えた Windows を使うというのが比較的多いと思う。そんな中、 Mac を始めとする iOS や GNU/Linux の環境でどのように相場を監視したら良いだろうか。このたびトレーディング環境を整えたのでちょっと書いてみようと思う。 Mac/iPad まず Mac でのトレーディングツールといえば楽天証券が強い。 iOS で利用できる iSPEED はかなり高機能だし、それと連携して監視銘柄を共有できる MARKET SPEED for Mac もなかなか便利。 楽天証券で発注するかどうかはともかく、監視ツールとしてはなかなか良い感じですね。特に後者の MARKET SPEED はチャートや板も見やすいし、リアルタイムで監視するのにはちょうどいい。 GNU/Linux じゃあ GN
爆勝ちFXシストレ論文「Learning to Trade via Direct Reinforcement」を再現させたい - Qiita
爆勝ちFXシストレ論文「Learning to Trade via Direct Reinforcement」を再現させたい機械学習DeepLearning強化学習FXSystemTrade FXシストレ論文 「Learning to Trade via Direct Reinforcement」 http://dustwell.com/PastWork/MoodyRLTradingPresentation.pdf http://people.idsia.ch/~juergen/rnnaissance2003talks/MoodySaffellTNN01.pdf が、シミュレーション結果を見る限り爆勝ちしているので、この実装を再現させようとしているが、うまくいかない（同じような性能が得られない）。 要は価格の予測に応じてトレードするんじゃなくて、トレードしたら勝てるかどうか自体を直接予測す
pandas+matplotlibで世界時価総額トップ銘柄のアルファ値とベータ値をアニメ化する - Qiita
4-1. 前処理 csvファイルから株価情報を読みだして，daily-returnを計算します．本記記事では，Udacityで紹介された以下の関数1を使います． get_data(symbol)：symbolのCSVファイルから調整後終値を読みだして，pandas.DataFrame形式で出力する関数です． fill_missing_values(stock_data)：stock_data（pandas.DataFrame）の欠損を穴埋めする関数です． compute_daily_returns(stock_data)：stock_data（pandas.DataFrame）から，daily-returnを計算し，pandas.DataFrameで出力する関数です． 4-2. アニメ化 $\alpha$と$\beta$をアニメ化する関数を作りました．デフォルト設定では，2006年12月1
深層強化学習でシステムトレードをやる時に役に立ちそうな資料まとめ - ニートの言葉
Photo via Visual Hunt 少し前のことですが、AlphaGoという囲碁の人工知能プログラムがイ・セドル九段に勝利したことで話題になりました。*1 また、一部のゲームにおいて「DQN（Deep Q-network）」が人間よりも上手くプレイするようになったというニュースも話題になっていましたね。*2 今回はこれらの事例で使われている「深層強化学習」という仕組みを使って、FXのシステムトレードができないかと思い、調べてみました。 注意：強化学習もFXも勉強し始めたばかりなので、色々間違っている箇所があるかもしれません。ご指摘いただけると幸いです。 今回の内容 1.強化学習について 1-1.強化学習 1-2.Reinforcement Learning: An Introduction (2nd Edition) 1-3.UCL Course on RL 1-4.強化学習につい
アルゴリズム取引のシステムを開発・運用してみて分かったこと
東京大学 松尾研究室が主催する深層強化学習サマースクールの講義で今井が使用した資料の公開版です． 強化学習の基礎的な概念や理論から最新の深層強化学習アルゴリズムまで解説しています．巻末には強化学習を勉強するにあたって有用な他資料への案内も載せました． 主に以下のような強化学習の概念やアルゴリズムの紹介をしています． ・マルコフ決定過程 ・ベルマン方程式 ・モデルフリー強化学習 ・モデルベース強化学習 ・TD学習 ・Q学習 ・SARSA ・適格度トレース ・関数近似 ・方策勾配法 ・方策勾配定理 ・DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network） ・経験再生 ・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Nois
1
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
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
証券取引所の高速化による 情報技術の導入 スパークス・アセット・マネジメント株式会社 水田孝信 先端的データベースとWeb技術動向講演会 第26回（2016/10/29）