Recommended
More Related Content
Similar to sophia.pptx
Similar to sophia.pptx (20)
sophia.pptx
- 2. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 2
- 3. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 3
- 4. はじめに なぜこの課題にしたのか • 使用している株価データの分析アプリ（trading view）では毎月課金が 必要であることから自分でデータを分析したら安上がりであるから • trading viewでは、テクニカル分析指標しか対応していないため、機械 学習などを用いた統計分析を行うには自分で分析するしかないから • 金融工学に興味があり、金融データの分析に入門してみたかったから • あわよくば金儲けがしたい 4
- 5. はじめに 当初の目標と課題 1. 銘柄の選定 どのような方法で選定を行うのか 選定するデータをどこから収集するのか 2. 選択した指標に対してテクニカル分析を実施 選択した指標のOHLCVデータの収集方法 日足、1時間足、分足、秒足など収集区間をどれにするのか 収集したデータの補完 3. テクニカル分析を利用してどのようなタイミングで購入するかを選択し、 自動購入、自動売却を行う テクニカル分析をどの指標まで実装するのか 4. テクニカル分析と機械学習を組み合わせてより精度の高い時系列分析を 行う 機械学習領域の知識不足 5. 上記のモデルのアプリケーション化 5
- 6. はじめに 目標達成状況 1. 銘柄の選定（一部分のみ達成） どのような方法で選定を行うのか 選定するデータをどこから収集するのか 2. 選択した指標に対してテクニカル分析を実施（達成できず） 選択した指標のOHLCVデータの収集方法 日足、1時間足、分足、秒足など収集区間をどれにするのか 収集したデータの補完 3. テクニカル分析を利用してどのようなタイミングで購入するかを選択し、 自動購入、自動売却を行う（達成できず） テクニカル分析をどの指標まで実装するのか 4. テクニカル分析と機械学習を組み合わせてより精度の高い時系列分析を 行う 機械学習領域の知識不足 5. 上記のモデルのアプリケーション化（達成できず） 6
- 7. 補足 trading viewとは • S&P500 • 日経平均株価 • BTCUSD • BTCJPY などの金融データに 対してテクニカル 分析を施すことが できるアプリ 7
- 9. 補足 OHLCVデータとは • 始値（Open） • 高値（High） • 安値（Low） • 終値（Close） • 出来高（Volume） を一つのまとまりとして 扱うデータのこと 9
- 11. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 11
- 12. 使用技術 • プログラミング言語 • python • データベース • SQLite3 • 仮想化技術 • docker • 主要なライブラリ • pandas • numpy • prophet 12
- 13. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 13
- 14. 銘柄の選定手法 1 ファンダメンタル手法を使った選定 • ファンダメンタル手法では、上場企業から公開される財務諸表を使っ て企業の健全性、経営状況、競争有利性、競合相手、市場での立場な どを分析することで銘柄の選定を行う手法の一つである。 • この分析は、財務諸表に基づいて分析を行うため株式にしか対応する ことができないため、貴金属、仮想通貨などの分析はできない。 • また、財務諸表から分析するにあたり、PDFデータで公開されている 財務諸表を自前で分析するか、分析結果をサブスクリプションで購入 する必要がある。 14
- 15. 銘柄の選定手法 2 PROPHETを使った相場予測 • この分析手法では、PROPHETを使って季節性やトレンドをモデルに基 づいて分析する。 • この手法では、株式に限らず貴金属、仮想通貨など財務諸表に頼らな い分析が可能である。 • 分析するにあたって用意するデータもない 15
- 16. 銘柄の選定手法 まとめ • 今回のプロジェクトでは、仮想通 貨や株式、貴金属など投資対象を 絞っていないため、ファンダメン タル分析ではなくPROPHETでの 分析が適当 • また、ファンダメンタル分析を行 う際に必要なデータをプロジェク ト期間内に調達することはできな いためコストの面でもPROPHET が有利である 16 分析手法 貴金属への 分析 仮想通貨への 分析 株式への 分析 分析に必要な データ ファンダ メンタル × × ◎ 必要 PROPHET ○ ○ ○ なし
- 17. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 17
- 19. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 19
- 20. 選定手法の検証結果 1 S&P500 収益率への収束あり • S&P500のモデルでは、年始から 下がり始め、年末に向けて徐々 に上昇するという季節性を読み 取ることができた。 • また、予測グラフでは、2022年 までの予測が広く、あまり正確 に予測できていないことがわか る。 20
- 21. 選定手法の検証結果 2 S&P500 収益率への収束なし • 収益率への収束有無を変えても S&P500のモデルでは、年始から 下がり始め、年末に向けて徐々 に上昇するという季節性を読み 取ることができた。 • また、予測グラフでは、収益率 への収束をしない方が、2022年 までの予測が正確にできている ことがわかる。 21
- 22. 選定手法の検証結果 3 Bitcoin 収益率への収束あり • Bitcoinのモデルでは、7月~9月が 最低値で徐々に上がり3月をピーク に7月の最低値に向けて下がるとい う季節性を読み取ることができた。 • Bitcoinの予測グラフでは、2023年 までの予測では予測範囲が広いが、 2022年ではある程度確度を持って 上昇すると予測できている。だが、 過去のデータを見ると過学習して いるようにも見える。 22
- 23. 選定手法の検証結果 4 Bitcoin 収益率への収束なし • 収益率への収束有無を変えても、 Bitcoinのモデルでも、7月~9月が 最低値で徐々に上がり3月をピーク に7月の最低値に向けて下がるとい う季節性を読み取ることができた。 • Bitcoinの予測グラフでは、2022年 までの予測として収益率を収束し た方が範囲が狭く予測していたが、 収益率への収束なしでは、2023年 まである程度の方向性を持って予 測できている。 23
- 24. 選定手法の検証結果 5 Ethereum 収益率への収束あり • Ethereumの収益率への収束ありの モデルでは、9月~11月が最低値で 徐々に上がり3月をピークに9月の 最低値に向けて下がるという季節 性を読み取ることができた。 • Ethereumの予測グラフでも、2023 年までの予測では予測範囲が広い が、2022年ではある程度確度を 持って上昇すると予測できている。 だが、過去のデータを見ると過学 習しているようにも見える。 24
- 25. 選定手法の検証結果 6 Ethereum 収益率への収束なし • Ethereumの収益率への収束なしの モデルでは、収束ありのモデルと 比べて7月が最低値で蛇行しながら 徐々に上がり3月をピークに7月ま で蛇行しながら推移している。 • Ethereumの予測グラフでも、2022 年までの予測として収益率を収束 した方が範囲が狭く予測していた が、収益率への収束なしでは、 2023年まである程度の方向性を 持って予測できている。 25
- 26. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 26
- 27. 今回のプロジェクトで得られたこと • 貴金属、株式、仮想通貨含め金融データの取得が非常に難しいこと • そもそもデータを公開している場所が少ない • 安定的に品質の良いデータをすぐに取得するのは無料では難しい • 不安定な品質の悪いデータを処理しようとすると膨大な時間がかかる（取得できな い場合の例外処理、nullなどが入っていた場合の補完処理） • 統計学の知識がない状況では出力されてきたデータが正しいのか判断 できないこと • プロジェクトの分析部分に確率統計を復習する時間などを組み込む必要があった • 時系列データを扱うデータベース設計を適切に行う必要があること • アウトプットやインプットに時間がかかると相場予測に致命的であること 27
- 28. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 28
- 30. 目次 • はじめに • 使用技術 • 銘柄の選定手法 • 選定データ • 選定手法の検証結果 • 今回のプロジェクトで得られたこと • 今回のプロジェクトの課題点 • まとめ 30
- 31. まとめ • 株式以外の金融データに対してPROPHETを使った銘柄の選定を行い、 過去のデータからある程度の方向性や年スパンの将来性を予測した。 • 統計学の知識がないと適切に処理できているのかどうかわからない。 • 予想以上に金融データの調達、データ処理に時間がかかり分析に時間 を割くことができなかった。 • 品質の良いデータを集めるとなるとインデックス投資にリターンで勝 つことができない。 • 個人がこのようなBOTで勝つには自前でデータを収集してコストを削 減する必要があることがわかった。 31