長編連載[機械学習・進化計算による株式取引最適化] No.05 N日後の株価の予測
本章の目的No.04ではNo.02よりも多くのデータをデータセットとして生成しました．しかし，あまりにも多すぎる特徴量は，株価の取引最適化が困難になると予測されます．株価の取引の最適化は，2つのステップが内部的に存在することが考えられます．...
長編連載
長編連載 長編連載[機械学習・進化計算による株式取引最適化] No.04-06 学習データセットの作成
このプログラムの目的この章で作成してきたデータをまとめて，学習に利用しやすい形式に直すことです．銘柄ごとのデータを縦方向に結合します．また，時系列を扱うにあたり，-n時間までの過去の特徴量も学習データとして追加します．work_share├...
長編連載[機械学習・進化計算による株式取引最適化] No.04-05 テクニカル指標の算出
このプログラムの目的株価のテクニカル指標を算出し，データセットとして保存することです．work_share├04_get_stock_price_ver2 ├Dockerfile ├docker-compose.yml └src ├data...
長編連載[機械学習・進化計算による株式取引最適化] No.04-04 類似データの計算
このプログラムの目的複数の時系列データを扱うとき，ある銘柄は別の銘柄を先行している場合があります(ある銘柄の影響が遅れて別の銘柄に伝わること)．これらの関係性を計算することで，株価予測に対して有益な特徴を算出できます．work_share├...
長編連載[機械学習・進化計算による株式取引最適化] No.04-03 時系列クラスタリング
このプログラムの目的全銘柄を扱うにあたり，その銘柄を表す特徴量が欲しくなります．もちろん，銘柄コードをOne-hotデータやLabelデータとして扱っても良いのですが，この本では4つの連続的な特徴量として，銘柄を表すことにします．そのために...
長編連載[機械学習・進化計算による株式取引最適化] No.04-02 株価データの選別
このプログラムの目的make_original_dataset.pyの目的はoriginal_data_2010-01-01_2023-03-01_1dに格納されているデータを一つのデータにまとめることです．また，データ数が少ない銘柄データ...