長編連載[機械学習・進化計算による株式取引最適化] No.03-01 市場シミュレーター環境の作成
このプログラムの目的 stock_env.pyの目的は，作成したデータセットとネットワークのやり取りを，強化学習がやり取りしやすい形の「環境」で表現することです．また，一般的なgymの環境(env)に少し合わせて書いてありますが，銘柄コード...
機械学習
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.01-01 簡単に動かせる株価予測と問題提起
Google Colabで簡単に動かせる機械学習を使った株取引の最適化を試しました。また、実際に動かしてみて、多くの株取引最適化に共通する問題点を提起しました。
長編連載目次機械学習・進化計算による株式取引最適化
株取引を機械学習と進化計算を使って最適化してみました。実際に利益がでるのかを検証した話となります。実行環境はDockerで構築したので、だれでも再現可能です。
記事TimesFMをDockerで使って、学習ゼロで株価予測する
timesfmを使って株価予測をしてみました。学習データすら不要でどのていど予測できるのでしょうか。また、Dockerを使って再現可能にしました
記事TimesFMをDockerで使って、学習ゼロで時系列予測する
googleが発表したtimesfmを使って学習しないで時系列予測する話。dockerを使って誰でも再現可能にしました。
記事Gemini 1.5 flash でjson回答の受け取り
Gemini 1.5 flashで回答されるテキストをjson(dict)構造に限定する話。簡単にできる割にはあまり知られていないと思います。