Einführung

Im vorherigen Beitrag , Nikkei 225 Preisspanne mit 60% Genauigkeit Wenn ich es vorhersagen könnte, würde ich einen Witz machen, dass ich einen Jahresgewinn von 48% erzielen würde.

Deshalb sammeln wir Informationen mit Qiita.

Beachten Sie zunächst die folgenden Artikel. https://qiita.com/akiraak/items/b27a5616a94cd64a8653

Genauigkeit = 72%. Ich werde das noch einmal testen.

Die verwendete Technologie ist TensorFlow. In Kudans Artikel wird der Code mit TensorFlow ausführlich erläutert, und der Quellcode ist auch für die Öffentlichkeit zugänglich. Mein Verständnis ist schlampig, aber Sie können es berühren und ausprobieren. Da es sich jedoch um einen Artikel aus dem Jahr 2017 handelte, war es schwierig, ihn zu verschieben, da er sich stark verändert hat.

Originalartikelschema

Bis zum Vortag wurde maschinelles Lernen mit Tensorflow unter Verwendung der Preisbewegungen jedes Marktes (FTSE, GDAXI, HSI, N225, SSEC usw.) für die letzten 3 Tage als erklärende Variablen und des Rabattpreises von SP500 an diesem Tag als Lehrerdaten durchgeführt und mit dem vorherigen Tag von SP500 an diesem Tag verglichen. Wir erstellen einen Prädiktor, der das Vorzeichen vorhersagt und dessen Leistung bewertet. Ich verstehe das detaillierte Prinzip jedoch nicht, weil ich verrückt bin.

Das Ergebnis ist Genauigkeit = 70%.

Das ist vielversprechend.

Dieses Schema

Das Vorhersageziel ist 1358 Nikkei Leva verdoppelt, und die erklärenden Variablen werden ebenfalls leicht überarbeitet.

Zu den erklärenden Variablen gehören nicht nur NIKKEI225 bis zum Vortag und die Indizes der einzelnen Länder, sondern auch Yen-Dollar.

Lehreretikett: 1358 Nikkei Leva am Tag Doppelte Preisspanne (Schlusskurs - Schlusskurs) steigt oder fällt

Erklärende Variable: DOW30, NASDAQ_COMP, S & P500, FTSE_MIB, DAX, CAC40, HANG_SENG, usdjpy, NIKKEI225 Schlusskurs für die letzten 3 Tage jedes Index (9 x 3 = 27 Dimensionen)

Das Modell bleibt die ursprüngliche Quelle

 Eingabeebene: [27, 50], stddev = 0,0001
 Versteckte Ebene 1: [50, 25], stddev = 0,0001
 Versteckte Ebene 2: [25, 2], stddev = 0,0001
 Ausgabeschicht: [2]

Versuchsergebnis

Studienzeitraum = 2014-10-30 ~ 2017-10-31

Bewertungszeitraum = 2017-11-22 ~ 2020-07-09

Anzahl der Lernvorgänge: 12000 Mal

Übergang der Genauigkeit durch Trainingsdaten

1000 0.5241935
2000 0.55241936
3000 0.5510753
4000 0.5591398
5000 0.5645161
6000 0.56989247
7000 0.57123655
8000 0.56989247
9000 0.56182796
10000 0.5577957
11000 0.5591398
12000 0.56182796

Genauigkeit während des Bewertungszeitraums

 Bewertungsnummer = 673
 Steige auf, richtige Antwort = 127
 Fallen, richtige Antwort = 216
 Aufstieg, falsche Antwort = 130
 Fallen, falsche Antwort = 200
Accuracy =  0.5096582466567607

Gewinn- und Verlustsimulation (Backtest)

Im Falle einer Anstiegsprognose: 1358 Listed Nikkei double Im Falle eines Rückgangs: 1357 Nikkei Double Inverse Kaufen Sie 10.000.000 Yen mit einer Nahaufnahme und verkaufen Sie zum Schluss Vom 22.11.2017 bis zum 09.07.2020 Gewinn und Verlust, wenn diese Methode wiederholt wird -1,551,671 Yen

Monatlicher Gewinn und Verlust

 November 2017: -83249 Yen
 Dezember 2017: -83258 Yen
 Januar 2018: 341621 Yen
 Februar 2018: -595994 Yen
 März 2018: 626082 Yen
 April 2018: -222331 Yen
 Mai 2018: -332350 Yen
 Juni 2018: -384622 Yen
 Juli 2018: -375612 Yen
 August 2018: 355649 Yen
 September 2018: 472 170 Yen
 Oktober 2018: -262912 Yen
 November 2018: -251 190 Yen
 Dezember 2018: 1321959 Yen
 Januar 2019: 1181772 Yen
 Februar 2019: -545563 Yen
 März 2019: -427 964 Yen
 April 2019: 82859 Yen
 Mai 2019: -465943 Yen
 Juni 2019: -265 452 Yen
 Juli 2019: 96485 Yen
 August 2019: 936343 Yen
 September 2019: -723 723 Yen
 Oktober 2019: -432 153 Yen
 November 2019: 396537 Yen
 Dezember 2019: 181781 Yen
 Januar 2020: -303620 Yen
 Februar 2020: -109976 Yen
 März 2020: -3523718 Yen
 April 2020: -35221 Yen
 Mai 2020: 630419 Yen
 Juni 2020: 1731269 Yen

Berücksichtigung der Ergebnisse

Es scheint, dass das Lernen abgeschlossen ist, aber die Genauigkeit der beiseite gelegten Bewertungsdaten liegt auf dem gleichen Niveau wie beim Würfeln. Natürlich ist das Ergebnis des Backtests völlig nutzlos.

Es scheint, dass Gewinne und Verluste leicht positiv sein werden, wenn Sie genau im Gegenteil der Prognose kaufen und verkaufen. .. ..

Die Vorhersage des Schlusskurses von NIKKEI 225 am Tag vom Index des Marktes jedes Landes bis zum Vortag ergab, dass das Ergebnis der Vorfahren wahrscheinlich Genauigkeit = 0,7 oder mehr war, aber die Vorhersage des Schlusskurses hat keinen großen Vorteil. Sie müssen nicht einmal vorhersagen, nur indem Sie auf die Tafel schauen, bevor Sie vorbeischauen.

Die Vorhersage der Preisspanne wie in diesem Schema bedeutet die Vorhersage des Schlusskurses und des darüber hinausgehenden Abzinsungspreises. Die Tatsache, dass diese Genauigkeit 0,5096 beträgt, bedeutet, dass eine solche Vorhersage nicht möglich ist. Natürlich natürlich. Immerhin ist das Ziel ein zufälliger Spaziergang.

Von 2017/12 bis 2020/2 ist das Gleichgewicht wie Rollen und Kaufen. Der Verlust war von 2020/2 bis 2020/3 groß, aber man kann sagen, dass dies vom Korona-Wirbel weitgehend übersehen wurde, da er einen Prädiktor verwendete, der den ruhigen Zustand vor der neuen Korona-Epidemie lernte. Ist es nicht?

Betrachtet man das kumulierte Gewinn- und Verlustdiagramm, so scheint es, dass der gesamte Zeitraum überhaupt nicht zufällig ist und es gute Zeiten (wenn die Prognose korrekt ist) und schlechte Zeiten gibt.

Selbst wenn der Saldo gleich ist, scheint die Qualität des Prognostikers zwischen dem Fall, in dem das kumulative Gewinn- und Verlustdiagramm wie A ist, und dem Fall, in dem das kumulative Gewinn- und Verlustdiagramm wie B wie dieses Mal ist, unterschiedlich zu sein. A ist besser als B. Die Qualität dieses Prädiktors ist schlecht!

Wenn ich mit diesem Prädiktor ab Dezember 2018 den Betrieb aufnehmen würde, wäre ich in den ersten Monaten in der Lage, viel Geld zu verdienen, und ich würde denken: "Ich bin ein Genie!" Werden.

Prädiktor B, der einen großen Zyklus von Gewinn und Verlust aufweist, ist ein schlechter Prädiktor, und wir schließen dieses Mal mit dem neuen Ziel, Prädiktor C zu erstellen, der in kleinen Schritten Positive ansammelt.

Zusammenfassung

Der Abzinsungspreis des Index des repräsentativen Marktes für die letzten 3 Tage ist der Nikkei-Durchschnitt des nächsten Tages Ich habe versucht, maschinelles Lernen mit dem Code der Preisspanne als Lehreretikett durchzuführen, aber die Genauigkeit beträgt nur 0,5096. Es hat nicht funktioniert.
Ich konnte darüber nachdenken, wie ein guter Prädiktor aussehen würde, und mir ein Ziel setzen.

Fortsetzung auf " Yahoo! Finance. Authentizität für den Aktienmarkt in Tokio

[PYTHON] Ist es möglich, mit Aktienkursvorhersage durch maschinelles Lernen zu essen [Maschinelles Lernen Teil 1]