top of page
  • 執筆者の写真bookloveru2

pythonで仮想通貨⑥ LINE TOKENのフィンシア(FNSA)が値上がりの予感



こんにちは。久方ぶりにブログ書きます。

乞食です。


表題の通り、個人的にはLINE TOKENのフィンシア(FNSA)に注目しております。


理由

  • 日本人の90%以上が常時使用しているLINEが提供するトークンである。

  • フィンシア(FNSA)はマクドナルドでも使える(FSNA払いが出来る)。

  • 「LINE Blockchain」はプライベートチェーンなので、ガス代がゼロ0円。

  • コインチェック、ビットフライヤーに上場すれば暴騰の可能性あり。


上記より、利便性と射幸性が認められてきた時に、トークン価値が高騰すると見込んでいます。


最近では資産性ミリオンアーサーが人気を博しており、LINE NFT上のマーケットで連日売買が活発となっています。





資産性ミリオンアーサーの成功から、新たなNFTゲームが登場しLINEというプラットフォームでフィンシア(FNSA)が市民権を得ていくことが予想されます。

以下はフィンシア(FNSA)のチャートです。



現在はかなり厳しいチャート【1FSNA=22ドル=3,260円】ですが、2021/4/2には【1FNSA=36,119円 最高値】を付けたことのあるTOKENです。


ビットコイナー視点から見ると草コインではあるものの、日本のLINE(ソフトバンク、ヤフーグループ)と考えれば、むしろメインのコインです。全然草コインではありません。


そういった、期待を込めて今からフィンシア(FNSA)を仕込むのも一興でしょう。

※因みに乞食である私は2023/4月に300,000円ほどフィンシア(FNSA)を購入しました。現在の価値は140,102円だそうです。。。

ハっ?って感じです(´;ω;`)ウッ…




では、気を取り直してpythonで分析してくぜー😎

まずはcoinmarketcapよりフィンシア(FNSA)のデータをダウンロードします。

そしてデータをEDA(探索的データ分析)していきます。

期間:2020/3/9~2023/8/14まで

FNSA_ALL_graph_coinmarketcap
.csv
Download CSV • 16KB

import pandas as pd
import sweetviz as sv

data2 = pd.read_csv("FNSA_ALL_graph_coinmarketcap.csv")
report = sv.analyze(data2)
# HTMLファイルに出力
report.show_html()

すると以下の様にデータが可視化されるので、close終値を見ていきます。




データ数:180個

最高値:33,188円

最低値:510円

平均値:8,068円

標準偏差(1σ):7,393円

てところです。




次です。

from pandasgui import show
show()

まずはチャートを描画。泣ける勢いで下落しています😢

期間:2020/3/9~2023/8/14まで



次に出来高です。

2021/10と2022/3に取引が増加しています。

いずれもビットコイン最高値付近と暴落時であり、暗号通貨全体の取引が増加したときです。ですので他の草コイン同様連動していることが分かります。

ほんで値段のヒストグラムです。

4,000円~6,000円の価格帯が最も高く、46個あります。

出来高と終値の散布図です。




最後に出来高がフィンシア(FNSA)の値動きにどのように影響があるのか?決定木分析で見ていきます。

説明変数のX(出来高)が一次元配列のシリーズとなっているので、サイキットラーンで分轄する前に、二次元のデータフレームに変換するのを忘れないようにしましょう。


import pandas as pd
import sweetviz as sv

data2 = pd.read_csv("FNSA_ALL_graph_coinmarketcap.csv", index_col="timestamp")
# インデックスを日付型に変換
data2.index = pd.to_datetime(data2.index)

# 前日との差分を格納
data2["Diff"] = data2["close"].diff()
# 正解ラベルyを格納 
# 円高(y=0) , 円安(y=1)
data2["y"] = data2["Diff"].apply(lambda x: 1 if x > 0 else 0).shift(-1)
display(data2)

# 説明変数
X = data2["volume"].dropna()
X = X.drop('2023-08-14', axis=0)
display(X)

y = data2["y"].dropna()
y

# 1D配列を2D配列に変換
X = pd.DataFrame(X)
#X.reshape(-1, 1)
X

from sklearn.model_selection import train_test_split
#from sklearn.metrics import accuracy_score
from sklearn.linear_model import LogisticRegression
X_train, X_test, y_train, y_test = train_test_split(X,
                                                    y,
                                                    test_size=0.15,
                                                    random_state=0,
                                                    shuffle=False,)

#決定木分析[回帰木]
import numpy as np
import pandas as pd
from sklearn import tree
from dtreeviz.trees import *
import graphviz

regression = tree.DecisionTreeRegressor(max_depth=2)
regression.fit(X,y)

viz = dtreeviz(regression,X,y,
               target_name = "y",
               feature_names = ["volume"],
               X = [100000000]
               )

# 重要度を表示
print(dict(zip(X.columns, regression.feature_importances_)))

# bar plot
fig, ax = plt.subplots()
plt.grid()
ax.bar(X.columns, regression.feature_importances_)
fig.autofmt_xdate() # make space for and rotate the x-axis tick labels
plt.show()


viz


フィンシア(FNSA)の出来高が1億の時がオレンジ色で囲まれた結果です。

1億しか出来高がない場合、翌日のフィンシア(FNSA)の値段は49%の確率で値下がりします。



というか、出来高10億でも44%の確率で値下がりします。

ハイ😎

もうお分かりかと思いますが、フィンシア(FNSA)の値段予測に出来高は関係ないのです。


全てはBitcoin次第。Bitcoinが上がればフィンシア(FNSA)も上がるし、Bitcoinが下がればフィンシア(FNSA)も死にます。



そんなこんなで、フィンシア(FNSA)の未来に期待したいと思います。

私の含み損は助かるのでしょうか?(´;ω;`)ウゥゥ


VIVA!

ビットコイン!


では👋




閲覧数:105回0件のコメント
bottom of page