ゼロから始める株取引！Pythonで株価トレンド予測（１本目：CSVファイルの準備まで）

はじめに

年明け早々に市場区分の見直しが発表¹され、市場の運営を支えるITベンダはざわざわ（？）していることかと思慮します。
昔は、ヘラクレス（新興企業向けの市場で、現在はJASDAQ）の情報をよく眺めていました。。。懐かしい。

筆者の学生時代からの趣味、いや夢。はい、株取引きで楽して儲けたいです。
昔からメンテしている株価トレンド予測のJavaプログラムは一旦置いといて、再スタートを切るべくちょいと前にPythonプログラムとして刷新しました。

今回から2本立ての記事で、「東証1部の銘柄コードに対して翌日の株価トレンド（上昇／下降）を予測する」過程をCode交えて紹介してゆく。

1. モデル作成に使うCSVファイルの準備　★本稿
2. CSVファイルをInputにした予測モデルの作成

本稿で紹介すること

• データの収集および整形
• 特徴量設計

本稿で紹介しないこと

• 予測モデルの作成（含むハイパーパラメータのチューニング）
• 予測精度の確認
• 特徴量重要度の確認（可視化）

まずは、環境の準備

こちらで紹介されているDockerを使った環境²を参考にしました。

筆者は、作ったコンテナイメージを使ってJupyterHubからコンテナ起動しました。

ベースのコンテナイメージは、こちらで公開されているものを利用しました。

以下、PythonとPythonライブラリ群のVer情報です。

$ python -V
Python 3.8.8
$ python -m pip --version
pip 21.3.1 from /opt/conda/lib/python3.8/site-packages/pip (python 3.8)

続いて、データの収集および整形

こちらの動画にて解説されているPythonコード³を参考にしました。冒頭から約9分です。

異なるところを簡単に。

筆者は、自宅PCからプロバイダ網抜けてインターネット接続ありの環境で実行しています。
企業（Proxy環境）の方はお気を付けくださいませ。

動画では「日経225インデックス」を対象としているのですが、本稿では冒頭で伝えた通り東証1部の銘柄コードを対象としました。
そのため、以下のPythonコードでデータ取得しています。

# 分析用データのダウンロード
import datetime
import pandas_datareader as data

# 銘柄コード
MEIGARA_CODE = '9983.T'

start = datetime.date(2010, 1, 1)
end = datetime.date(2021, 12, 31)
df = data.DataReader(MEIGARA_CODE, 'yahoo', start, end)
df.to_csv('%s.csv' %MEIGARA_CODE)

目的変数（pandas.DataFrameのUp列）まで作ります。

そして、特徴量設計

基本的に、参考動画の流れをそのままにです。
が、異なるところを簡単に。

以下のPythonコードで勢力指数を追加しました。

# 勢力指数（Force Index）を追加
df['Force_Index'] = df['Close'] * df['Volume']

加えて、いくつかテクニカル指標を追加しました。
「TA-Libで株価のテクニカル指標をチェック」の項で紹介されているテクニカル指標が対象⁴。
TA-Libは秀逸ですね（インストールはちょっとクセあるけれども）。

# TA-Libのインポート
import talib

# テクニカル指標
def add_technical_features(df):
    # Simple Moving Average
    close = df['Close']
    df['sma3'] = talib.SMA(close, timeperiod=3)
    df['sma5'] = talib.SMA(close, timeperiod=5)
    df['sma25'] = talib.SMA(close, timeperiod=25)
    df['sma50'] = talib.SMA(close, timeperiod=50)
    df['sma75'] = talib.SMA(close, timeperiod=75)
    df['sma100'] = talib.SMA(close, timeperiod=100)
    # Bollinger Bands
    df['upper1'], middle, df['lower1'] = talib.BBANDS(close, timeperiod=25, nbdevup=1, nbdevdn=1, matype=0)
    df['upper2'], middle, df['lower2'] = talib.BBANDS(close, timeperiod=25, nbdevup=2, nbdevdn=2, matype=0)
    df['upper3'], middle, df['lower3'] = talib.BBANDS(close, timeperiod=25, nbdevup=3, nbdevdn=3, matype=0)
    # MACD - Moving Average Convergence/Divergence
    df['macd'], df['macdsignal'], df['macdhist'] = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
    # RSI - Relative Strength Index
    df['rsi9'] = talib.RSI(close, timeperiod=9)
    df['rsi14'] = talib.RSI(close, timeperiod=14)
    return df

Notebook（Pythonコード）

githubで公開しました。このタイミングですが、参考サイトの方々に感謝申し上げます。

まとめ

モデル作成に使うCSVファイルの準備の過程をまずはご紹介。
そして、ココから先が本番。予測モデルの作成＆チューニングのスタートラインに立ったまで。。。

1. 市場区分見直しの概要 | https://www.jpx.co.jp/equities/market-restructure/market-segments/index.html ↩

2. Dockerを使った環境構築 | https://kino-code.com/python_automation_stock_analysis2/#Docker ↩

3. Pythonで将来予測｜株価データを使ってpythonで機械学習をしてみよう【データ加工、データ整形、予測モデル作成、株価データの分類予測、予測精度の確認まで】 | https://www.youtube.com/watch?v=asfWaVpCyl8 ↩

4. 機械学習で株価予測（TA-LibとLightGBMを使った学習モデル構築） | https://nehori.com/nikki/2020/01/26/post-15231/ ↩