pythonで株価分析⑭【コピペでOK! 多層パーセプトロンで株価予測モデルを構築する（機械学習）】

皆様こんにちは。
今回はpythonで株価分析の第14幕です(・ω・)ノ

表題の通り、機械学習を利用して株価予測モデルを構築していきます。

では、早速いってみましょう(・ω・)ノ

※今回の記事コードはhttps://note.com/10mohi6様の記事を参考にさせて頂きました。あざます。

❶ 多層パーセプトロンとは？を30秒で解説

パーセプトロンは、下図の〇（赤丸）のことです。

例：ここに1本のワインがあるとします。
これが「赤ワイン」か「白ワイン」かを判定する為に、
【年数・アルコール度数・色合い】
という３つの情報を利用して結果を判定します。

左側から、入力層、中間層、出力層と層がたくさんある為、多層パーセプトロンと言います。

画像は国内最強の頭脳集団：PFNのchainerチュートリアルより👆

https://tutorials.chainer.org/ja/13_Basics_of_Neural_Networks.html

多層パーセプトロンの説明は以上です(｀・ω・´)ゞ

❷ 株価予測モデル構築

では、ここからは多層パーセプトロンを利用して株価予測モデルを構築していきます。

ワイン判定の様に
【年数・アルコール度数・色合い】
という情報の、株価バージョンを決めて、株価予測モデルを構築します。

今回の株価バージョンでは、
【金利・原油価格・ダウ平均株価・出来高】
を情報として利用します。

上記４点を基に、多層パーセプトロンで構築した株価予測モデルの結果を下記に示します。

・多層パーセプトロンで構築したモデル：株価の上下予測
・対象銘柄：バンク・オブ・アメリカ【BAC】
・学習期間：2016.6.14～2021.6.13（5年間）
・予測モデルの精度（結果）：54.9％

となりました。

これは、【金利・原油価格・ダウ平均株価・出来高】という情報を利用すると約55％の確率で株価の上下予測が可能❕ということを意味します(｀・ω・´)ゞ

まず、バンク・オブ・アメリカの5年間の株価を見ていきます。
2016年ちゅばんより上昇傾向。コロナショックで死亡。異次元緩和で再復活という感じです👇

https://finance.yahoo.com/quote/BAC?p=BAC

ここで、今回作成した予測モデルの出力結果です👇

ROC曲線は、イマイチ。予測が当たるかは、1/2といった所です。
(´；ω；`)ｳｯ…
そう簡単には、億万長者になれそうもありません( ﾉД`)ｼｸｼｸ…👇

❸ 株価予測モデル解説

株価予測モデル
作成した予測モデルは、「翌日の株価が上昇したら、１」を「翌日の株価が下落したら、０」を出力します。
予測の「１と０」の個数を、実際の値「１と０」の個数と比較し、その正解率が54.9％となっております。

対象期間の学習率：学習データ７割、テストデータ3割

さて、予測モデルの結果ですが、下記の通り、１問目から間違っています(´；ω；`)ｳｩｩ👇

という計算の結果、正解率は約55％でした(・ω・)ノ

【金利・原油価格・ダウ平均株価・出来高】という情報を利用すると約55％の確率で株価の上下予測が可能❕

ていうか、半分くらいしか当たらんやんけ(*ﾉωﾉ)
という感想でした。
ま、選択した情報が大したこと無かったのかなぁ～。。

以上でモデルの解説は終わりです。次は、pythonコードです。