• bookloveru2

pythonで株価分析⑰【GluonTSで時系列株価予測(Amazonが開発)】

更新日:2021年11月1日




皆様、こんにちは。

乞食です。


今回は未来の株価を予測したかったのですが、失敗に終わりました🙉

とても悲しいので短文で終わります(´;ω;`)ウゥゥ


要点

・GluonTSを使用すれば、未来の株価を予測できると思っていた

・GluonTSは時系列予測をするものの、過去の株価の検証用(バックテスト)であり、未来の株価を予測するモジュールでは無かった(´;ω;`)ウッ…

・意味無かったけど、せっかく調べたので記事にする


以上が要点です(・ω・)ノ

 

目次

❶ GluonTSは見た目がカッコいい

❷ python一括コード

 

❶ GluonTSは見た目がカッコイイ

この様に、見た目がカッコいいのです!




学習期間:2020.1.1~2021.8.15(現在まで)

銘柄:Amazon



上は20エポック分学習させた過程です。


当初損失率は7.9%

最後の損失率は5.65%まで低下しています。


さすがに天下のAmazonが作ったツールなだけあって、学習効率は素晴らしい模様です(^_-)-☆


赤い部分が予測ですが、良く見てみると、学習させた期間の最後の期間(30日間)となっています( 一一)


あれっ❓未来は❕❓

どこ?

アタイの未来?


て、この様な感じでバックテスト的な使用しかないっぽいので、これ以上調べることを止めました( ノД`)シクシク…





❷ python一括コード

このコードは実行に約2分かかります(・ω・)ノ


# @title  GluonTS(Amazonが開発)で時系列株価予測
# https://aws.amazon.com/jp/blogs/news/creating-neural-time-series-models-with-gluon-time-series/
# https://aws.amazon.com/jp/builders-flash/202102/ml-stock-price-forecast/?awsf.filter-name=*all

!pip install mxnet~=1.7 gluonts pandas-datareader scikit-learn
from gluonts.dataset.common import ListDataset
from gluonts.model.deepar import DeepAREstimator
from gluonts.mx.trainer import Trainer
from gluonts.dataset.util import to_pandas
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from pandas_datareader import data as pdr
import datetime
import yfinance as yf 

start = "2020-1-1" #@param {type:"string"}
end = datetime.date.today()
ticker = "AMZN" #@param [""] {allow-input: true}

yf.pdr_override() # <== that's all it takes :-)
# download dataframe
df = pdr.get_data_yahoo(ticker, start, end)["Adj Close"]

# sklearnで学習用データとテスト用データを作成
training, test = train_test_split(df, test_size=0.3, shuffle=False)

# ディクショナリーの一覧としてメモリに格納されたデータにアクセスするため、ListDatasetを使用。
# 作成したtraining(ここでは訓練用に作成した70%のデータの日付までを切り出す。
# この日付以降のデータは、後にモデルテスト(30%)のために使用
training_data = ListDataset([{"start": training.index[0], "target": training}], freq = "d")

# データセットを使い訓練できるモデル DeepAREstimator オブジェクトのインスタンス化
estimator = DeepAREstimator(freq="d", prediction_length=30, trainer=Trainer(epochs=20))

# 表面化していないデータを予測。訓練プロセスが終了すれば、Predictor で予測処理を作成。
predictor = estimator.train(training_data=training_data)
test_data = ListDataset([{"start": test.index[0], "target": test}],freq = "d")

for test_entry, forecast in zip(test_data, predictor.predict(test_data)):
   to_pandas(test_entry)[-150:].plot(figsize=(12, 5), linewidth=2)
   forecast.plot(color='r')
plt.grid(which='both')
plt.legend(["observations", "median prediction", "90% confidence interval", "50% confidence interval"])




以上です。


pythonでプログラミングがしたい!!

pythonを学びたい!という方には、

下記のオンラインプログラミング教室『Aidemy アイデミー』がお勧めです。
ご自身でプログラム環境を用意する必要は無く、サイトへアクセスするだけです。

創業者は東京大学卒の石川聡彦さん。
著書に『人工知能プログラミングのための数学がわかる本』(KADOKAWA/2018年)など。

無料で、お試しもできますので安心です。ご参考までに。






タグ:

閲覧数:301回0件のコメント