AIによるPSA鑑定の利益予想サービス

※サービス一時停止しております。 アップデートまで暫くお待ちください。

★ AIを使ってPSA鑑定品の価格を予想するという全く新しいサービス
★ AIがお勧めカードを自動で導き出す
★ 数十時間の確認作業を１分に集約

本サービスの説明

　ここ最近はポケモンカードのPSA価格の下落が続いています。PSA鑑定で投資を行っている方々については、鑑定品が返却される2週間～1カ月後には既に期待していたほどのプラス収支には繋がらなかった、なんて事例が多く出てきているんじゃないでしょうか。
　昨今の状況の中で、私はAIを活用して直近1ヵ月後のPSA10価格を予想し、どの銘柄を鑑定に出せば、低リスクで利益が出せるかを一目で判断できるサービスを検討しておりました。
　以下のグラフはXにも添付した、主要150銘柄をPSA鑑定した際の費用対効果をAIで予想したグラフになります。下のグラフでは人気ポケモン(ピカ、リザ、ゲンガー、ミミッキュ、ブラッキー）のみラベルを付けました。

AIによるPSA10予想価格に基づいた費用対効果を表すグラフ

　グラフについて解説しますと、横軸は各銘柄の、現時点にける素体費＋鑑定費となります。カードの価格も含めたPSA鑑定によって発生する費用を表しています。縦軸は直近の価格の推移に基づいて、AIによって1カ月後のPSA10価格を予想させました。その予想価格から、上図の通りの計算式によって期待値計算を行い、1カ月後に予想される利益を算出しております。
ざっくり説明すると『掛けた費用に対してどれだけのリターンが予想されるか』の費用対効果を表すグラフになります。
また、各データ点には色を付けておりまして、この色は直近7日間のPSA10価格の変化率を表しています。グラフ右のカラーバーの通り、例えば20%以上の上昇があった銘柄は赤、-20%以下の下落があった銘柄は青色のデータ点で表しています。

グラフから読み取るべきこと

　これまで、このような費用対効果の検討は、データ参照元の『比率ランキング』や『高騰ランキング』によってもある程度把握できたかと思いますが、150銘柄分の直近の価格変化と、1カ月後を想定した上での予想利益をこのグラフ一つで完結させました。通常このような比較データを手作業で作る場合は数時間程度の時間が掛かるかと思いますが（そもそも私が知る限りポケカ関連のAIによる価格予想は初の試みで手作業では作れない）、その労力を1分程度に短縮しました。

　このグラフの中で特に左上に位置しているデータ点ほど、低いコストで大きいリターンが見込める銘柄となります。
　上のグラフの例でいえば、リザードン25th、ミミッキュAR(sv4a)、リザードン(CP6)などがその類に該当します。ここで直近の価格変化にも注意する必要があります。リザードン25thは、直近で20%近いかそれ以上高騰しておりますが、直近で大きく変化した銘柄に関しては予想価格の信頼性が乏しくなります。なので、現時点で私がお勧めするとしたら、ミミッキュAR(sv4a)かリザードン(CP6)あたりとなります。
　このように、グラフのデータ点の位置と直近の変化率をもとに、現時点で費用対効果に優れた銘柄を見つけることが可能です。

サービス提供とその価格について

　以上で述べた通りのAIを活用した1カ月後の費用体効果を表すグラフを、有料部分で提供するサービスとなります。

【グラフの更新頻度】
1週間程度を予定しております。もちろん、新弾の銘柄も追加していく予定です。
【提供するグラフの種類】
上記のグラフは人気ポケモンのみの銘柄をラベル付けしておりますが、それに加えて下記のジャンルに分けてラベル付けしたグラフをそれぞれ用意して更新します。
　①注目カード、②人気ポケモン、③SAR、④SVシリーズ、⑤Sシリーズ、⑥SMシリーズ

特に①の注目カードは、比較的低リスクで高い利益が期待できる範囲に該当するものをラベル付けしたグラフで、最も重要です。
たまに有料部分にも何かしらコメントや考察を書くかもしれませんが、基本的に上記のグラフが私が提供できる価値のほぼ全てだと思ってますので、有料部分はグラフが貼られたのみのシンプルな提供となります。

【価格】
先着10人には2000円で販売します。それ以上は値上げを検討します。
管理コストを考慮した価格設定です。有料部分を更新していく形になりますので、一度購入した方は毎週この最新情報にアクセスすることが可能です。

価格予想の方法について興味のある方は、次の章をご覧になってください。（AIという都合のいいワードによって胡散臭さを感じた方にも一度読んでもらいたいです笑）

PSA10予想価格の詳細

　次の内容は、今回構築した、1カ月後PSA10価格を予想するAIモデルの全容になります。興味が無ければ読まなくても何も困りません。こういうことやっているんだなあ、と目を通して頂けるだけでも十分です。このような何かしらの理論やモデルを提示し、加えて有償の情報を提供する側には、中身を透明にし、説明可能にする義務があるという理由で記事に載せております。
　データのインプットからPSA10価格の予想までのフローは以下の通りとなります。その詳細を順を追って説明します。

PSA価格予想のフロー図

　注意事項としては、これは突発的・偶発的な高騰を予言できるような魔法のツールではありません。極力少ないデータ点数に基づき、近い未来、およそPSA鑑定品が返却される1か月程度の短い時間スケールで予想ができることを目的としております。ポケカの価格変動は、株価とは異なり社会情勢にあまり大きく依存しない性質もあるため、予測精度としては十分使えるモデルになっていると思います。

データのインプット

　まず1ヵ月後の価格を予想する上で最も重要な判断材料は、当たり前ですが、直近の価格となります。このモデルでは、現在の価格、および1週間ずつ遡った3週間前までの計4点の価格データを用いました。

データのフィッティング

　時系列の影響を簡易的に考慮すべく、さらにその4点を二次関数でフィッティングし、そのフィッティングによって得られた曲線を1ヵ月先に延長した数値を後の解析に使用しております。

初動価格の影響項

　上記で述べた直近の価格データのみでは、発売直後のような急激な価格変動までを十分に表現できるモデルにはなりません。そこで、発売日からの経過日数 t の逆数と、さらに基準値として、上記で１度使用した現在価格 x0 を再度使用し、それぞれを発売直後の影響を緩和する項として加えています。

学習データ

　AIによる解析を実施するために、AIに学習データを読み込ませる必要があります。ここでは、数十種類の銘柄のPSA価格チャートから、無作為に抽出した価格データを100データほど学習に使用しております。

学習データの例

AIによる解析

　学習データをもとに、AIで1カ月後のPSA価格を予測します。予測に用いたモデルは一般的によく使われるランダムフォレスト(Random Forest)としました。原理については調べれば出てくるので特に説明はしませんが、これを選定した理由としては、予測値の非線形的な挙動に対して比較的柔軟性があり、重要な4万円前後の価格帯に対して精度が良好だったためです。
　以下は、100データのうち70を学習データ、30をテストデータとして分割し、テストデータを入力して予測された価格と実際の価格を比較検証した結果です。なおランダムに10回分割し、10回試行分の結果を載せました。

モデルの精度の検証結果

　グラフ中のプロットが、点線と重なっているほど、予測された価格と実際の価格が一致していることを意味しています。予測精度の指標となるR2値はおよそ0.90±0.05程度となっており、特に過学習のリスクも低く、実用上問題ない性能と考えられます。

予想価格の提示

　以上の手順によって、150種類以上の銘柄について、直近3週間分の価格情報をもとに、1カ月後の価格を予想するに至っております。その予想価格からPSA10鑑定によって得られる利益期待値を計算し、冒頭で紹介したグラフを得ることができます。

以下は有料部分です。上述した通り、①～⑤までのグラフを用意しております。