AIシステムトレード 改良編

前回に続いて、実装をしていく。
前半は前回と同じ。

main.py

!pip install pandas_datareader
!pip install --upgrade pandas
!pip install mplfinancme

main.py

import pandas as pd
import datetime as dt
from pandas_datareader import data
import mplfinance as mpf
import torch
from torchvision.datasets import ImageFolder
from torchvision import models, transforms
import torch.nn as nn
import numpy as np

import os
os.environ['KMP_DUPLICATE_LIB_OK']='True'

apikey = '取得したAPIキー'
symbol = 'EURUSD'

start = dt.date(2021,1,1)
end = dt.date(2022,2,3)

df = data.DataReader(symbol,'av-daily',start,end, api_key=apikey)

main.py

wsize=80 #サンプル期間
after=10 #最終レコード＋α
change_large = 4 #変化大　4%

df.index = pd.DatetimeIndex(df.index)
alldata =[]

for time in range(len(df)-wsize-1):
    try:
        dfspan = df[time:time+wsize]
        alldata.append({"df":dfspan,"date":dfspan.tail(1)})
    except:
        pass

open    high    low close   volume
2021-10-13  1.1530  1.1599  1.1527  1.1597  0
2021-10-14  1.1597  1.1624  1.1582  1.1598  0
2021-10-15  1.1597  1.1619  1.1586  1.1600  0
2021-10-18  1.1599  1.1622  1.1570  1.1609  0
2021-10-19  1.1609  1.1669  1.1607  1.1629  0
... ... ... ... ... ...
2022-01-26  1.1299  1.1311  1.1234  1.1241  0
2022-01-27  1.1241  1.1243  1.1130  1.1142  0
2022-01-28  1.1143  1.1174  1.1120  1.1146  0
2022-01-31  1.1141  1.1248  1.1137  1.1233  0
2022-02-01  1.1235  1.1279  1.1219  1.1270  0

メイン

一応考えたことは、こういう感じでイメージできる。

main.py

a = np.array([x for x in dfspan['close']])
m = np.outer(a, a).astype(np.float32)
plt.imshow(m, vmin=np.min(m), vmax=np.max(m), interpolation='none')
plt.show()

Close , High , Lowをテンソルに突っ込む
High,Lowは、それぞれcloseに対する差分として扱っている

main.py

from PIL import Image

def min_max(x, axis=None):
    min = x.min(axis=axis, keepdims=True)
    max = x.max(axis=axis, keepdims=True)
    result = (x-min)/(max-min)
    return result

a = np.array([x for x in dfspan['close']])
b = np.array([x for x in dfspan['high']])
c = np.array([x for x in dfspan['low']])
m = min_max(np.outer(a,a).astype(np.float32))
n = min_max(np.outer(a-b,a-b).astype(np.float32))
o = min_max(np.outer(a-c,a-c).astype(np.float32))
te = np.stack([m,n,o])
tmp = torch.from_numpy(te).clone()

img_pil =  transforms.ToPILImage(mode='RGB')(tmp)
plt.imshow(img_pil)
plt.show()

なんか凄くないですか？　
とても特徴量があるようには見えない・・・