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
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
Triplet Loss 徹底解説
Triplet Loss 徹底解説
tancoro
強化学習における好奇心
強化学習における好奇心
Shota Imai
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
強化学習エージェントの内発的動機付けによる探索とその応用(第4回 統計・機械学習若手シンポジウム 招待公演)
Shota Imai
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
【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
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
More Related Content
What's hot
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
Sho Takase
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証
Masaharu Kinoshita
【DL輪読会】GPT-4Technical Report
【DL輪読会】GPT-4Technical Report
Deep Learning JP
報酬設計と逆強化学習
報酬設計と逆強化学習
Yusuke Nakata
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
Deep Learning JP
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
Deep Learning JP
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
小川 雄太郎
金融時系列解析入門 AAMAS2021 著者発表会
金融時系列解析入門 AAMAS2021 著者発表会
Katsuya Ito
[DL輪読会]マルチエージェント強化学習と⼼の理論 〜Hanabiゲームにおけるベイズ推論を⽤いたマルチエージェント 強化学習⼿法〜
[DL輪読会]マルチエージェント強化学習と⼼の理論 〜Hanabiゲームにおけるベイズ推論を⽤いたマルチエージェント 強化学習⼿法〜
Deep Learning JP
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
一般向けのDeep Learning
一般向けのDeep Learning
Preferred Networks
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
深層学習の数理
深層学習の数理
Taiji Suzuki
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
cvpaper. challenge
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
[DLHacks]Comet ML -機械学習のためのGitHub-
[DLHacks]Comet ML -機械学習のためのGitHub-
Deep Learning JP
形態素解析
形態素解析
Works Applications
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
自然言語処理による議論マイニング
自然言語処理による議論マイニング
Naoaki Okazaki
What's hot
(20)
Transformerを多層にする際の勾配消失問題と解決法について
Transformerを多層にする際の勾配消失問題と解決法について
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
時系列問題に対するCNNの有用性検証
時系列問題に対するCNNの有用性検証
【DL輪読会】GPT-4Technical Report
【DL輪読会】GPT-4Technical Report
報酬設計と逆強化学習
報酬設計と逆強化学習
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Scaling Laws for Neural Language Models
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
金融時系列解析入門 AAMAS2021 著者発表会
金融時系列解析入門 AAMAS2021 著者発表会
[DL輪読会]マルチエージェント強化学習と⼼の理論 〜Hanabiゲームにおけるベイズ推論を⽤いたマルチエージェント 強化学習⼿法〜
[DL輪読会]マルチエージェント強化学習と⼼の理論 〜Hanabiゲームにおけるベイズ推論を⽤いたマルチエージェント 強化学習⼿法〜
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
一般向けのDeep Learning
一般向けのDeep Learning
協調フィルタリング入門
協調フィルタリング入門
深層学習の数理
深層学習の数理
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
[DLHacks]Comet ML -機械学習のためのGitHub-
[DLHacks]Comet ML -機械学習のためのGitHub-
形態素解析
形態素解析
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
自然言語処理による議論マイニング
自然言語処理による議論マイニング
Viewers also liked
為替と株の予測の話
為替と株の予測の話
Kentaro Imajo
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Yuya Unno
形態素解析の実装言語Talk パネルディスカッション
形態素解析の実装言語Talk パネルディスカッション
JustSystems Corporation
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Yasutomo Kawanishi
機械学習の理論と実践
機械学習の理論と実践
Preferred Networks
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
Viewers also liked
(6)
為替と株の予測の話
為替と株の予測の話
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
Twitter分析のためのリアルタイム分析基盤@第4回Twitter研究会
形態素解析の実装言語Talk パネルディスカッション
形態素解析の実装言語Talk パネルディスカッション
Pythonによる機械学習入門 ~Deep Learningに挑戦~
Pythonによる機械学習入門 ~Deep Learningに挑戦~
機械学習の理論と実践
機械学習の理論と実践
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
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
[Japan Tech summit 2017] MAI 001
[Japan Tech summit 2017] MAI 001
Microsoft Tech Summit 2017
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
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
[Japan Tech summit 2017] MAI 001
[Japan Tech summit 2017] MAI 001
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
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
The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))
yoshidakids7
AWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作り
iPride Co., Ltd.
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
honeshabri
バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析
sugiuralab
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
IGDA Japan SIG-Audio
これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024
Hideki Saito
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
iPride Co., Ltd.
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG-Audio
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
Naomi Yamasaki
チームで開発するための環境を整える
チームで開発するための環境を整える
onozaty
00001_test_automation_portfolio_20240313
00001_test_automation_portfolio_20240313
ssuserf8ea02
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
Takayuki Nakayama
Recently uploaded
(12)
The 86th National Convention of IPSJ (Student Encouragement Award))
The 86th National Convention of IPSJ (Student Encouragement Award))
AWS Lambdaと AWS API Gatewayを使ったREST API作り
AWS Lambdaと AWS API Gatewayを使ったREST API作り
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
キャラで動かすGPT ~GPTsでどんな感じに作っているとか考えていることとか~
バイオリンの運弓動作計測による初心者と経験者の差異分析
バイオリンの運弓動作計測による初心者と経験者の差異分析
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
SIG-AUDIO 2024 Vol.02 オンラインセミナー 「必殺使音人(ひっさつしおとにん)カットシーンを成敗せよ」
これからはじめるAnsible - Ansible Night Tokyo 2024
これからはじめるAnsible - Ansible Night Tokyo 2024
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
AWS_Bedrock入門 このスライドは2024/03/08の勉強会で発表されたものです。
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
IGDA Japan SIG Audio #22 オンラインセミナー VRの知る.pdf
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
JAWS DAYS 2024 E-3 ランチにまつわるちょっといい話 〜給食がない町の小中学生に温かい昼食を〜
チームで開発するための環境を整える
チームで開発するための環境を整える
00001_test_automation_portfolio_20240313
00001_test_automation_portfolio_20240313
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
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