Submit Search
Upload
ディープラーニングで株価予測をやってみた
•
16 likes
•
35,131 views
卓
卓也 安東
Follow
福岡市内のイベントで発表した資料です。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 102
Download Now
Download to read offline
Recommended
最適化超入門
最適化超入門
Takami Sato
CatBoost on GPU のひみつ
CatBoost on GPU のひみつ
Takuji Tahara
論文の図表レイアウト例
論文の図表レイアウト例
Sunao Hara
z変換をやさしく教えて下さい (音響学入門ペディア)
z変換をやさしく教えて下さい (音響学入門ペディア)
Shinnosuke Takamichi
深層生成モデルに基づく音声合成技術
深層生成モデルに基づく音声合成技術
NU_I_TODALAB
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
カルマンフィルタ入門
カルマンフィルタ入門
Yasunori Nihei
More Related Content
What's hot
深層学習の非常に簡単な説明
深層学習の非常に簡単な説明
Seiichi Uchida
機械学習 入門
機械学習 入門
Hayato Maki
Lucas kanade法について
Lucas kanade法について
Hitoshi Nishimura
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
WaveNetが音声合成研究に与える影響
WaveNetが音声合成研究に与える影響
NU_I_TODALAB
アンサンブル学習
アンサンブル学習
Hidekazu Tanaka
異常音検知の実用化に向けて
異常音検知の実用化に向けて
Ryohei Yamaguchi
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
Preferred Networks
深層学習の数理
深層学習の数理
Taiji Suzuki
音声合成のコーパスをつくろう
音声合成のコーパスをつくろう
Shinnosuke Takamichi
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
mlm_kansai
ここまで来た&これから来る音声合成 (明治大学 先端メディアコロキウム)
ここまで来た&これから来る音声合成 (明治大学 先端メディアコロキウム)
Shinnosuke Takamichi
有名論文から学ぶディープラーニング 2016.03.25
有名論文から学ぶディープラーニング 2016.03.25
Minoru Chikamune
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
Shinnosuke Takamichi
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
Deep Learning JP
レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法
Takeshi Mikami
深層学習を利用した音声強調
深層学習を利用した音声強調
Yuma Koizumi
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
Megagon Labs
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
Deep Learning JP
What's hot
(20)
深層学習の非常に簡単な説明
深層学習の非常に簡単な説明
機械学習 入門
機械学習 入門
Lucas kanade法について
Lucas kanade法について
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
Optimizer入門&最新動向
Optimizer入門&最新動向
WaveNetが音声合成研究に与える影響
WaveNetが音声合成研究に与える影響
アンサンブル学習
アンサンブル学習
異常音検知の実用化に向けて
異常音検知の実用化に向けて
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
深層学習の数理
深層学習の数理
音声合成のコーパスをつくろう
音声合成のコーパスをつくろう
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
ここまで来た&これから来る音声合成 (明治大学 先端メディアコロキウム)
ここまで来た&これから来る音声合成 (明治大学 先端メディアコロキウム)
有名論文から学ぶディープラーニング 2016.03.25
有名論文から学ぶディープラーニング 2016.03.25
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
やさしく音声分析法を学ぶ: ケプストラム分析とLPC分析
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
【DL輪読会】Llama 2: Open Foundation and Fine-Tuned Chat Models
レコメンドアルゴリズムの基本と周辺知識と実装方法
レコメンドアルゴリズムの基本と周辺知識と実装方法
深層学習を利用した音声強調
深層学習を利用した音声強調
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
Similar to ディープラーニングで株価予測をやってみた
ディープラーニングによる時系列データの異常検知
ディープラーニングによる時系列データの異常検知
Core Concept Technologies
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
Askul internal study-session
Askul internal study-session
ShimpeiIwamaru
Access internal study-session
Access internal study-session
ShimpeiIwamaru
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
Hiroshi Senga
ソフトウェアジャパン2018 ITフォーラムセッション(4)
ソフトウェアジャパン2018 ITフォーラムセッション(4)
aitc_jp
Caffeでお手軽本格ディープラーニングアプリ @potatotips
Caffeでお手軽本格ディープラーニングアプリ @potatotips
Takuya Matsuyama
一年目がWatsonを調べてみた Discovery編
一年目がWatsonを調べてみた Discovery編
Jin Hirokawa
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
Shohei Hido
[Japan Tech summit 2017] MAI 001
[Japan Tech summit 2017] MAI 001
Microsoft Tech Summit 2017
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
ドライブレコーダの動画を使った道路情報の自動差分抽出
ドライブレコーダの動画を使った道路情報の自動差分抽出
Tetsutaro Watanabe
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
Preferred Networks
可視化法学(Found it project#9)
可視化法学(Found it project#9)
(shibao)芝尾 (kouichiro)幸一郎
アクセスデータ収集と解析
アクセスデータ収集と解析
Yoichi Tomi
AITCオープンラボ 2018年5月度(3)
AITCオープンラボ 2018年5月度(3)
aitc_jp
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
DeNA
Soft neuro
Soft neuro
ssuser3a4b8c
aiconf2017okanohara
aiconf2017okanohara
Preferred Networks
Similar to ディープラーニングで株価予測をやってみた
(20)
ディープラーニングによる時系列データの異常検知
ディープラーニングによる時系列データの異常検知
MLOpsはバズワード
MLOpsはバズワード
Askul internal study-session
Askul internal study-session
Access internal study-session
Access internal study-session
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
日経コンピュータ主催:さわってわかる機械学習 Azure Machine Learning 実践セミナー
ソフトウェアジャパン2018 ITフォーラムセッション(4)
ソフトウェアジャパン2018 ITフォーラムセッション(4)
Caffeでお手軽本格ディープラーニングアプリ @potatotips
Caffeでお手軽本格ディープラーニングアプリ @potatotips
一年目がWatsonを調べてみた Discovery編
一年目がWatsonを調べてみた Discovery編
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
[Japan Tech summit 2017] MAI 001
[Japan Tech summit 2017] MAI 001
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ドライブレコーダの動画を使った道路情報の自動差分抽出
ドライブレコーダの動画を使った道路情報の自動差分抽出
エッジヘビーコンピューティングと機械学習
エッジヘビーコンピューティングと機械学習
可視化法学(Found it project#9)
可視化法学(Found it project#9)
アクセスデータ収集と解析
アクセスデータ収集と解析
AITCオープンラボ 2018年5月度(3)
AITCオープンラボ 2018年5月度(3)
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
Soft neuro
Soft neuro
aiconf2017okanohara
aiconf2017okanohara
Recently uploaded
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
arts yokohama
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
Sadao Tokuyama
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究 千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究 千坂知也
harmonylab
2024 04 minnanoito
2024 04 minnanoito
arts yokohama
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
arts yokohama
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
Shumpei Kishi
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
ssuser539845
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
Industrial Technology Research Institute (ITRI)(工業技術研究院, 工研院)
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
Tetsuya Nihonmatsu
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
Matsushita Laboratory
2024 03 CTEA
2024 03 CTEA
arts yokohama
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
ssuser370dd7
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
yoshidakids7
Recently uploaded
(13)
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
2024 02 Nihon-Tanken ~Towards a More Inclusive Japan~
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
ARスタートアップOnePlanetの Apple Vision Proへの情熱と挑戦
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究 千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究 千坂知也
2024 04 minnanoito
2024 04 minnanoito
2024 01 Virtual_Counselor
2024 01 Virtual_Counselor
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
持続可能なDrupal Meetupのコツ - Drupal Meetup Tokyoの知見
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
IFIP IP3での資格制度を対象とする国際認定(IPSJ86全国大会シンポジウム)
What is the world where you can make your own semiconductors?
What is the world where you can make your own semiconductors?
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
「今からでも間に合う」GPTsによる 活用LT会 - 人とAIが協調するHumani-in-the-Loopへ
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
2024 03 CTEA
2024 03 CTEA
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
情報処理学会86回全国大会_Generic OAMをDeep Learning技術によって実現するための課題と解決方法
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
Summary of "ChatDoctor: A Medical Chat Model Fine-Tuned on a Large Language M...
ディープラーニングで株価予測をやってみた
1.
ディープラーニングで 株価予測をやってみた 2016/9/16 福岡市内のベンチャー企業が取り組む最新it技術
2.
自己紹介 あんどう(@t_andou) • 元ニート。 • 現在はWeb系の開発 •
機械学習に趣味で入門して半年くらい • 機械学習勉強会@福岡を不定期開催 2
3.
今回の内容
4.
今回の内容 • ディープラーニングとは? • 翌日の株価値動きを予測してみた •
売買のシミュレーションをしてみた • まとめ
5.
ディープラーニングとは?
6.
ディープラーニングとは 「ディープラーニング」とは、システムがデー タの特徴を学習して事象の認識や分類を行う「 機械学習」の手法です。データの特徴をより深 いレベルで学習し、非常に高い精度で特徴を認 識できるため、人の声の認識や、カメラで撮影 した画像の認識などで応用が期待されています 。 NTTコムウェア様より引用 https://www.nttcom.co.jp/research/keyword/dl/
7.
ディープラーニングとは 「ディープラーニング」とは、システムがデー タの特徴を学習して事象の認識や分類を行う「 機械学習」の手法です。データの特徴をより深 いレベルで学習し、非常に高い精度で特徴を認 識できるため、人の声の認識や、カメラで撮影 した画像の認識などで応用が期待されています 。 NTTコムウェア様より引用 https://www.nttcom.co.jp/research/keyword/dl/
8.
http://www.sbbit.jp/article/cont1/32033 より引用
9.
ディープラーニングの凄い所 は 特徴を見つけてくれること
10.
ディープラーニングで 出来ること
11.
きゅうりの等級仕分け http://gigazine.net/news/20160901-deep-learning-cucumber-sorter/ より引用
12.
画像から癌を検出したり http://hakuraidou.com/blog/52623/ より引用
13.
人工知能が相談に乗ったり http://oshiete.goo.ne.jp/ai より引用
14.
モノクロ映画をカラーにしたり
15.
プロフィール画像を生成したり
16.
柴犬画像を集めてもらったり
17.
哲学書を読ませて・書かせたり 吾々は無力となることが必規一般性――だけに立 つ次との関係の可能怲を有ち徟げて前にはカント の矠目的だおのこの事物の解釈は一定の分析とい であろう、それは実際何に於ける超直胃を担うな らば、云わばこの専門的な意志」によれば、如何 な拡定され得る。もし論理的本質の本当を世界観 から感情であった限りの特有な、その高度から発 生するであろ?
18.
いろいろ事例はありますが
19.
大きく分けると 出来ることは2種類
20.
分類と生成
21.
分類と生成 今回はこちら
22.
株価(日経平均)から 特徴を抽出してもらって
23.
翌日の株価が 上がるか・下がるかを 分類(=予測)出来ないか?
24.
どのくらいの精度になるのか ?
25.
注意
26.
注意 • 機械学習の初心者 • 投資は株式の現物をちょっとだけ •
FXも先物も未経験 ➡ アドバイスください
27.
翌日の株価値動きを 予測してみた その1
28.
まずは日経平均のデータだけ でやってみました。
29.
使ったデータ
30.
使ったデータ 約32年分の日足のデータ • 日付 • 始値、終値、安値、高値、出来高 •
翌日が上がったかどうか
31.
使ったデータ
32.
使ったデータ この組み合わせを学習させて
33.
使ったデータ 翌日が上がるか下がるか
34.
使ったデータ ここを予測してもらう
35.
使ったツール
36.
H2O.ai
37.
H2O.ai • 用意するのはCSVだけ • プログラミング不要 ➡
便利
38.
結果
39.
結果
40.
結果の見方 縦が予想
41.
結果の見方 横が実際のデータ
42.
結果の見方 Highと予想
43.
結果の見方 Lowと予想
44.
結果の見方 Sameと予想
45.
結果の見方 実際はHigh
46.
結果の見方 実際はLow
47.
結果の見方 実際はSame
48.
結果 全てHighと予想 正解率は約50%
49.
全然ダメでした
50.
結果 • 日足のデータからだけでは予想できない • データが足りない?
51.
翌日の株価値動きを 予測してみた その2
52.
海外の株価の値動きも データに入れてみた
53.
使ったデータ • 日経平均のデータと同様の形式で 香港・ダウ・FTSE100(イギリスの指標) の三つを追加 • 予測してもらうのは日経平均の翌日の値動き (上がるか下がるか)
54.
結果
55.
結果
56.
結果 High/Low どちらも予測してくれた
57.
結果 正解率:約67%
58.
結果 • 日経平均のデータだけの時よりもだいぶ良い 結果になった
59.
結論と感想 • 入力するデータ(教師)がダメだと作られる 人工知能もダメになる • データの整形やパラメータ調整が大変だった
60.
ここまでの内容の詳細は
61.
ブログに書いています
62.
ここまでの内容の詳細は ブログに書いています 詳しく知りたい方は
63.
詳しく知りたい方は
64.
それらしい結果が出て満足
65.
だったのですが…
66.
ダウの値動きを入れたなら 日経の予想ができるのは当然では? Twitterの反応より
67.
そうなの? (相関があるらしいで す)
68.
日経平均のデータだけで なんとかできないか
69.
あと
70.
売買のシミュレーションも してみたい
71.
ということで
72.
日経平均のデータだけで
73.
売買のシミュレーションを やってみた
74.
シミュレーションの条件
75.
条件 下記のようにゆるい条件下でのシミュレーションです • 手数料を考慮していない • 分散投資をしていない •
空売りしない ➡ 終値の価格で全力で売買を出来たら
76.
使ったデータ
77.
使ったデータ • 日経平均のデータのみを使用 • 過去25日間のデータを追加 •
テクニカル分析の指標(ボリンジャーバンド ・ボラティリティ)を追加
78.
前半はツールを使いましたが
79.
後半はプログラムを書きました • Python2 • Pandas •
Talib などなど
80.
内容はこんな感じ • 買いと判断した時に資金があれば全力買い • 売りと判断した時に保有していれば全力売り •
それ以外は何もしない
81.
結果
82.
の前に
83.
ランダムに売買した場合
84.
ランダムに売買した場合1
85.
ランダムに売買した場合1 日経平均の値動き
86.
ランダムに売買した場合1 総資産の推移
87.
ランダムに売買した場合1 100万からのスタート
88.
ランダムに売買した場合1 約400,000の損失
89.
ランダムに売買した場合2
90.
ランダムに売買した場合2 約1,400,000の利益
91.
ランダムに売買した場合2 儲かることもある
92.
ディープラーニングで 売買判断した場合
93.
人工知能で売買判断した場 合
94.
人工知能で売買判断した場 合 約9,000,000の利益
95.
人工知能で売買判断した場 合 年利7%くらい
96.
まとめ
97.
まとめ • ランダムよりは良い結果だった • ゆるい条件下で年利7%なので、まだまだ •
教師データと学習に使うデータの選択の仕方 によっては伸びる可能性はありそう
98.
今後について
99.
今後 • 日経平均よりもFXに方向転換を検討中 • 日経平均の予測をしてくれるサイトを作って ます(完成時期未定)
100.
日経予測サイト(仮)
101.
質問などはお気軽にどうぞ
102.
ご静聴いただき ありがとうございました
Download Now