タグ

関連タグで絞り込む (11)

タグの絞り込みを解除

analyticsとstock-marketに関するnabinnoのブックマーク (8)

  • 【保存版】株のトレーディング手法まとめ｜UKI

    はじめにこんにちわ、UKIです。 金融引き締めによって株式投資に苦しい期間が続いていると思いますが、いかがお過ごしでしょうか。 今回は少し長めの記事を書いてみましたので、お付き合い下さい。 結論だけ知りたい方は、目次の「株のトレーディング手法まとめ」まで飛んでください。 マケデコについて本記事は、マケデコ&J-Quants Advent Calendar 2022の最終日の記事となります。 マケデコとは、Market API Developer Communityの略称で、簡単に言うと「東証が公式データを提供しますので、しっかり相場分析して投資に活かしてください」というコミュニティです。 ディスコードでのディスカッション、APIやラッパーに関する最新情報の共有、初心者や上級者向けのセミナーの開催などが行われています。 マケデコの協賛は、日本取引所（JPX）のデータ部門子会社である株式会社J

    【保存版】株のトレーディング手法まとめ｜UKI

  • TensorFlow(LSTM)で株価予想 〜 株予想その１ 〜 - Qiita

    はじめに 新しく株投資の勉強を始めるのでそのメモを残していきます。 目標、機械学習やディープラーニングを使って株価予想します。 勉強を始めるにあたり、先ずは以下の本を確認。 ※ 株が動く条件は「業績がよい」「PERが低い」「チャートの形が良い」らしい。 各々スクレイピングで持ってきて予測していきたいと思います。 [補足] 普段は株以外に競馬予想 sivaを運用しています。 連対的中率 ： 約 86% 回収率 ： 約 136% twitter始めました。 フォローお願いします。 なぜ株か？ 以下の見解から株を選んでみました。 ◆ 競馬などのギャンブル 0 or 100のリターンも大きいがリスクが大きい。 ◆ FX 儲かる人の反面に損する人がいるので、性分に合わない。 ◆ bitcoin 価値が確立されてないので、暴落の恐れも考えられる。 ◆ 株 株に関してはみんなが儲かる仕組みである。 先ず

    TensorFlow(LSTM)で株価予想 〜 株予想その１ 〜 - Qiita

  • Pythonで株価データを取得し、Matplotlibで可視化する。 - Fire Engine

    はじめに 株価データは、代表的な時系列データの一つですが、Pythonはこの時系列データを取り扱うのを非常に得意としています。特に、Pythonライブラリの一つであるpandasはもともと金融データを扱うために開発されたため、時系列データの分析に強力な機能を数多く備えています。 今回やることは非常にシンプルで、下記の２点だけです。（すべてIPython Notebook上で行っています。） １. Google Financeからトヨタの株価データを取得する。 ２. 取得した株価データを時系列データとしてプロットする。 株価データの取得 まず始めに、下記のように必要となるライブラリをインポートします。 import pandas as pd from pandas import Series, DataFrame import numpy as np import matplotlib.py

    Pythonで株価データを取得し、Matplotlibで可視化する。 - Fire Engine

  • MT4 のバックテスト結果を Pandas から読み取る。

    import pandas as pd mt4_df = pd.read_html(result_path, "#", parse_dates=["Time"], header=0)[0] entry_df = mt4_df[mt4_df["Type"] == "buy" | mt4_df["Type"] == "sell"][["#", "Time", "Type", "Order", "Size", "Price"]] close_df = mt4_df[mt4_df["Type"] != "buy" & mt4_df["Type"] != "sell"][["Time", "Price", "Profit"]] close_df.columns = ["CloseTime","ClosePrice", "Profit"] close_df.index = entry_df.index

    MT4 のバックテスト結果を Pandas から読み取る。

  • ローソク足チャートと移動平均線のプロット - Qiita

    おはようございます。ようやく春らしい季節になってきましたね。今日は前回に引き続いてもう少し株価の話をします。前回の話ではどうやって分析するかという話で、理想株価の算出式と移動平均線について触れました。忘れてしまった方はもう一度前回の記事の後半を読んでください。 まず余談 さて話はそれていきなり余談ですが、先週は有名ソーシャルゲーム「パズドラ」をめぐる炎上騒ぎが大変なことになりましたね。 パズドラといえば 3,000 万ダウンロードを越える人気ゲームであり、あのコンプガチャ騒動の後にあらわれて、無料でも楽しめる仕様として課金額を低額に抑え人気を博しガンホーバブルが発生、まさに新しいソーシャルゲーム時代の代表格みたいなものですから四方や知らない方はいないかとは思います。 もっともその後バブルがはじけ最近ではパズドラ一本ではだいぶ苦戦しているようですが、先週はそのパズドラにおいてスクエニとのコラ

    ローソク足チャートと移動平均線のプロット - Qiita

  • 過去のデータからビッグデータ分析で株価を予測する - Qiita

    今日は 15 年ぶりに日経平均が 19,000 円台を一時回復し、 6 月末までには 2 万円に達するのではとの声も出ていますが、そんな中ビッグデータ (笑) 分析で株式の分析をする話です。 効率的市場仮説 金融の世界には効率的市場仮説というものがあり、どのような情報を利用しても他人よりも高いパフォーマンスを継続してあげることは不可能であるという説があります。これほど誤解されたりあるいは都合良く解釈されたものはないと筆者は考えます。 この辺は効率的市場仮説のパラドックスあたりを読んでいただくと良いでしょう。 普通に考えて、たとえばなぜ証券業界のディーラーやファンドマネージャーが現役で職を保っていられるのか、みんながみんなバフェットの真似をしてみんながお金持ちにならないのはなぜか、などなど考えていけばわかりそうなものです。 賛否両論はこのあたりを読んでいただくとして (ちなみに筆者はアンドリ

    過去のデータからビッグデータ分析で株価を予測する - Qiita

  • 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 - Qiita

    今回の記事は一応前回の続きなのですが、 scikit-learn による機械学習を利用して、実際に未来を予測する話を書いていきたいと思います。 なにはともあれ、まずは以下の図をみてください。 今回も実験対象のデータとして株価データを利用します。 上の図に挙げたのは弊社 (DTS) の株価であり、本物のデータです。 図にあるように「過去の株価の変化から結果どうなったのか」という情報を、機械学習を利用して計算機に学習させ、それをもとに将来の株価を予測してみます。 決定木アルゴリズム 今回は数ある分類の手法の中から決定木 (デジジョン・ツリー) を利用します。手法の選択理由は以前に書いた記事を参考にしてください。 決定木自体の説明は Wikipedia あたりを読んでいただくと早いかと思います。 また scikit-learn に実装されている決定木についての説明は公式ドキュメントにあります。

    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 - Qiita

  • [TensorFlowで株価予想] 5 - 大きく上がると予想されたときだけ買ってみるシミュレーション - Qiita

    TensorFlowで株価予想シリーズ 0 - Google のサンプルコードを動かしてみる 1 - 終値が始値よりも高くなるかで判定してみる 2 - 日経平均225銘柄の株価予想正解率ランキング〜 3 - 日本3506銘柄の株価予想ランキング 4 - 実際に売買したら儲かるのかシミュレーションしてみる 5 - 大きく上がると予想されたときだけ買ってみるシミュレーション 6 - 学習データの項目を増やす！隠れ層のサイズも増やす！ 7 - 株価が何%上昇すると予測したら買えばいいのか？ 8 - どの銘柄を買うか 9 - 年利6.79% はじめに 前回は売買シミュレーションをして実際に取引を行っていたら元金１０００万円は増えたのか減ったのかやりました。大きく増えた銘柄もあり、逆に大きく減った銘柄もありという感じです。終値ー始値が０円より高ければ買うという判定でした。今回はこの判定部分を変更しま

    [TensorFlowで株価予想] 5 - 大きく上がると予想されたときだけ買ってみるシミュレーション - Qiita
  • 1

お知らせ

もっと読む

公式Twitter

  • @HatenaBookmark

    リリース、障害情報などのサービスのお知らせ

  • @hatebu

    最新の人気エントリーの配信

はてなブックマーク

公式Twitter

はてなのサービス

  • App Storeからダウンロード
  • Google Playで手に入れよう
Copyright © 2005-2024 Hatena. All Rights Reserved.