pythonでファイナンス計算 - saito’s blog
先日会社で退職金の説明会がありました。それによると退職金の一部を確定拠出年金として自分で運用しなくてはいけないとのことで、ポートフォリオを設計する必要あります。今時は各種金融機関がポートフォリオのシミュレーターを公開していますし、Excelを使って計算するという方法もありますが、ここでは例によってpythonでポートフォリオの設計をやってみます。 実は、pythonにはnumpyやscipyといった科学計算のライブラリやcvxoptという最適化計算のライブラリがあるので、それらを利用すれば簡単かつ高速に最適なポートフォリオを計算することができます。 ちなみに、僕はファイナンス理論の専門家ではないので、ここに書いてある記述が正確であるという保証はできません。あしからず。 分散共分散行列を計算する 各投資対象のリスクと投資対象同士の相関係数が分かっているならば、分散共分散行列は行列計算で計算で
さくっとトレンド抽出: Pythonのstatsmodelsで時系列分析入門 - Gunosyデータ分析ブログ
久しぶりの投稿になってしまいましたが、ニュースパス(現在CM放映中!!)開発部の大曽根です。 作業中はGrover Washington Jr のWinelightを聴くと元気が出ます。参加ミュージシャンが素晴らしいですね。 なぜ時系列分析をするのか 季節調整 実演 おまけ: 時間別に見てみる まとめ 今後 なぜ時系列分析をするのか 数値を非常に重視している弊社では、数値を知るためのツールとしてRedashやChartioおよびSlackへの通知を活用しています。現在の数値を理解する上では、長期のトレンド(指標が下がっているのか、上がっているのか)を知ることが重要です。しかし、日々変化するデータ(特に売上やKPIと言われる指標)は、ばらつきも大きく、変化を適切に捉えることが難しいこともあります。 特にSlackなどへの通知を行っていると、日々の変化に囚われがちです。例えば、弊社ではニュース
PyConJP 2016: pandasでの時系列処理についてお話させていただきました - StatsFragments
21日、22日と PyCon JP に参加させていただきました。ご参加いただいた皆様、スタッフの皆様ありがとうございました。資料はこちらになります。 pandas による時系列データ処理 pandas を使った時系列データの前処理と、statsmodels での時系列モデリングの触りをご紹介しました。 speakerdeck.com 時系列モデルの考え方については全く説明していないので、以下書籍などをご参照ください。 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 作者: 沖本竜義出版社/メーカー: 朝倉書店発売日: 2010/02/01メディア: 単行本購入: 4人 クリック: 101回この商品を含むブログ (6件) を見る 元ネタ 以下のエントリをベースに新しい内容を追加しています。 sinhrks.hatenablog.com 時系列モデルを含む Python パッケ
回帰モデルの比較 - ARMA vs. Random Forest Regression - Qiita
各モデルの詳細はWikipedia等を参照していただくとして，基本的にARMAは，AR , MAを含有するモデルであり， ARIMA は，ARMA を含むモデルなので，ライブラリとしては ARIMA がサポートされていれば，上記４つのモデルはすべて対応可能となる．但し，StatsModelsではAPIとしてAR, ARMA, ARIMA が用意されている． 今回，分析を行うデータとして，"Nile" を取り上げた． Nile River flows at Ashwan 1871-1970 This dataset contains measurements on the annual flow of the Nile as measured at Ashwan for 100 years from 1871-1970. There is an apparent changepoint ne
走り納め 27km & Training Center Database XML ファイルを読む python プログラム - まんぼう日記
走り納め 27km 今度の年末年始は仕事が片付かへんで \(^^)\... .../(^^)/ な予定のたかたかです． とか言いながら，天気ええし大晦日やしっちうことで，走り納めに行ってきました． 瀬田川右岸 → 石山寺 → 大平 → 醍醐大津線 → 横峰峠で折り返して戻る てルート．で，こういうことになりました． Session Type: running Start: 2015-12-31T11:10:16+09:00 Distance: 27.00 km Time: 03:06:31 Pace: 06:54 min/km Calories: 1715 kcal https://www.runtastic.com/ja/users/takashi-takahashi-13/sport-sessions/1106390406 今回は1枚も写真撮ったりせんと走る&歩くだけでした．景色とか興
ランダムフォレストを使用したコモディティ先物の投資戦略 – Momentum
概要 そんなにパフォーマンス良くないよ モメンタム効果(など)を説明変数としたうえでランダムフォレストによりシグナルを発生 パフォーマンスの計測とロングオンリーとの比較 モメンタム効果とは 一言で言うと、「上がってる株は今後も上がる、下がってる株は今後も下がる」という傾向を表すものです。また、この効果は何も株に限定されるものではなく、様々な資産クラスにおいて報告されています(例えば参考[1]) モメンタム効果を表す代理変数としては、「過去X日のリターン」といったものが良く使われますね。 もしくは「今日の株価が過去X日の移動平均よりも高いか低いか」などでしょうか。 このモメンタム効果を駆使することによって俺様投資戦略を開発しメシウマヘブンを狙うのがこの記事の趣旨です。 なぜランダムフォレスト？ どうもランダムフォレスト最強と思ってるマンです。 というよりも別にランダムフォレストじゃなくても良
Jupyter Notebook Viewer
Table of Contents¶Preface Motivation behind writing the book. How to download and read the book. Requirements for IPython Notebook and Python. github links. Chapter 1: The g-h Filter Intuitive introduction to the g-h filter, also known as the $\alpha$-$\beta$ Filter, which is a family of filters that includes the Kalman filter. Once you understand this chapter you will understand the concepts behi
Forecasting Financial Time Series - Part I | QuantStart
Forecasting Financial Time Series - Part I Forecasting Financial Time Series - Part I Updated for Python 3.10, January 2023 In this series of articles we are going to create a statistically robust process for forecasting financial time series. These forecasts will form the basis for a group of automated trading strategies. The first article in the series will discuss the modelling approach and a g
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
pyflux.com
pyflux.com -