これは日本情報クリエイト Engineer's Advent Calendar 2017 の1日目の記事です。

Merry Christmas! 🎅

はじめに

目的

複雑な話は無しにして、
Microsoft Azure Machine Learning Studio（以下、ML Studio）を一通り

学習・テストデータ作成
学習フローの作成
学習
予測
学習モデルの性能評価
予測データの利用

体験すること。

きっかけ

ML Studio を知ったのはつい最近のことです。
チュートリアルや他の方が書かれた記事を読み、こう感じました。
「なんだこれ、楽しそう！」

嗚呼、使ってみたい

ML系のサービスを試したいときに困るのが、大量の学習データの用意です。
Web上のどこからか引っ張ってきたり、予め用意されているサンプルデータを使用したり。
いろいろ方法はありますが、やっぱり自分でデータを作って弄って試してみたい。と思うものです。

何をするのか①

そこで今回は、例えば株価のような時系列データを手元で生成し、
それを ML Studio に食べさせてみたいと思います。
言わずもがな、時系列データは、画像や文章に比べて圧倒的に生成しやすいです。
如何ようにもできちゃいます。
今回は手軽さを重視して、そんな時系列データを対象にしました。

何をするのか②

詳しく後述しますが、10000個の値を持つ時系列データを用意します。
10000日分の株価だと思ってもらえれば、想像に易いかと思います。
そして、**「今日を含む過去20日間の株価から、翌日の株価を予測する」**ことにします。
例えば、「1～20日目の株価を見て、21日目の株価を予測する」という感じです。

おことわり

ML Studio を一通り使ってみることに重きを置いた記事です。
そのため、データ生成や疑似トレードのソースコードは割愛しています。
やっていることは非常に簡単ですので、お好きなプログラム言語¹で再現できるはずです。
本質的な部分は、文章で説明しています。

また、筆者は実際の株トレードなどに関してはズブの素人ですので、
言葉の使い方など誤りがあるかもしれません。
それぞれの単語に、深い意味や厳密性は持たせていませんので、ご了承ください。
イメージだけ伝わればOKです。

時系列データの準備

学習・テストに使用する時系列データは、
振幅と周期をランダムに変化させた正弦波に、ノイズを加えたものとします。
今回は実験なので確率的に異なるものを、手元でいくらでもサンプリングできるようにしておきます。

10000個の値からなる時系列データを、学習用・テスト用の2種類用意しました。

学習データ
テストデータ

上の2種類のデータは、同じ生成モデルからサンプリングしているので、
値は違えど似たような特徴を有しているはずです。

ML Studio に渡す学習・テストデータは、このグラフのような値そのままでありません。
先述のとおり、
過去20日分＋予測したい1日分 = 21個の値 を1行として、
1日目から9980日目まで1日ずつシフトして切り取った9980行のCSVデータ²を用います。

ML Studio を使用した時系列データの学習

では、前準備ができましたので、いよいよ ML Studio を触っていきましょう。
Azure のサブスクリプションは準備できている前提とします。

Machine Learning Studio ワークスペースの作成

素直に追加します。名前も一旦は適当で。
実験用なので、価格・プランも一番低廉なもので問題ありません。

プラン、ワークスペース、ストレージの3つが作成されています。
今回は、ワークスペースのみ使用します。

ML Studio の起動

作成したワークスペースを開くと、次のような画面が出てきます。
**「Machine Learning Studio の起動」**をクリックすると、文字通り、起動します。
分かりやすいですね。

今回は0から実験したいので、「Blank Experiment」を追加しましょう。

お、なんだか楽しそうな画面が出てきましたね！わくわくします。

データセットの追加

先ほど作成した時系列データを ML Studio 上では、データセットという概念として扱います。
データセットに、学習データ、テストデータを追加してみましょう。
CSVファイルをアップロードするだけです。簡単ですね。

学習フローの定義

まずは、何より学習データをセット

先ほど追加したデータセットを、ドラッグ＆ドロップで配置します。
GUIでできちゃうなんて素敵。

データセットの中身を確認することもできます。
ちゃんと、col0, col1, col2... のデータがあるようです。

あれっ！！？？
過去20日分のデータをもとに、翌日1日分の値を予測するので、
カラムは col0 ～ col20 までの21列になるはずが…。
プログラムのミスで、col21 という空カラムができてしまっているようです…！

必要なデータを選ぶ

データセットの中に、不要なデータが混じるケースは往々にしてあります。
そんなときは慌てずに、モジュール**「Select Columns in Dataset」**を使いましょう。
データセット「training.csv」を「Select Columns in Dataset」に流し込みます。

モジュールを選択すると、画面右部の Properties からそのモジュールの詳細を設定できます。
モジュール「Select Columns in Dataset」では、学習に使用するカラムを指定できます。

これで、学習に必要なデータの整備ができました。

学習フェーズの定義

さて、いよいよ学習モジュールの追加です。といっても、呆気ないほど簡単です。
学習を行うモジュール**「Train Model」**を追加し、学習に使用するアルゴリズムを他モジュールから入力する形で指定します。
アルゴリズムも多数用意されていますが、今回は何も考えずに Linear Regression（線形回帰）を使ってみましょう。³

「Train Model」で、予測したい値（カラム）を指定します。
ここでは、21日目の値を予測したいので、21列目（col20）がこれに該当します。

予測フェーズの定義

モジュール「Train Model」で学習したモデルを使用して、未知のデータを予測してみましょう。
予測にはモジュール**「Score Model」**を使用します。
予測に使用するモデルを「Train Model」から入力し、
予測したい未知のデータをデータセット「test.csv」から入力します。

予測後、「どれくらい上手に予測できたのか」を評価したいので、
モジュール**「Evaluate Model」**に「Score Model」の出力を渡しておきます。

さあ、学習＆予測を走らせよう！

画面下部の**「Run」**をクリックします。え？これだけ？　…これだけです。
学習フローの上から順に実行されていきます。完了したモジュールに付くグリーンのチェックがかっこいい。
学習データのサイズは 9980行×21列でしたが、数秒でフローが完了しました。速い。

実は、1つ前の画像が、処理を走らせた直後の様子でした。

予測がどれくらいうまくいったのか、**「Evaluate Model」**を可視化してみましょう。

Error Histgram が視覚的に分かりやすいですね。
Error（誤差）が 0.0000047 以下のデータが再瀕ですね。
これは期待できます。

予測したデータを使用して、疑似トレード（シミュレーション）を行いたいので、
モジュール「Score Model」の結果をCSVファイルに出力してみましょう。

**「Convert to CSV」**という分かりやすい名前のモジュールがあるので、これに「Score Model」の結果をびよーんと流し込みます。
あとは、「Convert to CSV」を右クリック → Download でCSVファイルを取得できます。

AIトレーダー vs 無垢トレーダー

テストデータを対象に、トレードをシミュレートしてみましょう。
ルールは簡単です。

翌日の値が「上がる」と予測したら今日「買う」
儲け = 実際の翌日の値 - 買った時の値
儲けを最大化したい

2名のトレーダーに戦略を与えて、トレードしてもらいましょう。
9980回の長丁場です！がんばって！！

AIトレーダー

戦略

ML Studio で学習して得られた、予測データに従う。
予測データから、今日の値＜翌日の値 と分かれば買う。

結果

勝率：71.91%
儲け：+2740.34

無垢トレーダー

戦略

翌日の値が上がるかどうかを $ \frac{1}{2} $ の確率でランダムに決める。神頼み戦法。
丁と出れば買うし、半と出れば買わない。

結果

勝率：49.50%
儲け：-0.69

まとめと感想

これまで、機械学習の数理的背景ばかりを追っていたので、
最新のMLサービスの使い勝手の簡単さには目からウロコでした。
まだ、GUIで操作する部分にしか触れていません。これだけでも十分に遊べると思いますが、
自分でコードを書いてより柔軟なモデルを作成することもできるようです。
ちょっとずつ掘ってみたいですね。

そして、言葉は悪いですが、すごく適当に何も考えずに構成した学習フローでしたが、
AIトレーダーの結果を見て分かる通り、予測データを用いると有意に高い勝率を叩き出しています。

現実世界のトレードでも、全く同じ手法が通用するかと問われれば、それは否です。
実際は、背後にさまざまな要因を隠した時系列データであるためです。
今回使用したデータは、ただ正弦波にノイズを加えた程度の簡単なデータであることをご留意ください。

ただ、MLは正弦波の上がり下がりのパターンや、ノイズの特徴を何かしら見つけたのだと考えます。
それが、勝率 71.91% という結果に現れています。

学習データさえ用意できれば、数分で学習と予測ができてしまいます。
この手軽さを少しでも感じていただけたなら、
Advent Calendar 1日目の記事としてお役目を果たせたと思います。
ぜひ皆さんも、遊んでみてください。ではでは。

筆者は Python 2.7系で実装しました。関数分割しても100行未満に収まる程度のボリュームです。 ↩
9980行のCSVデータ … あとで気づいたプログラムのミスです。10001日目が無いので9980行目は不正なデータです。記事中では頑なに9980という数字を使用しますが、ご容赦を…。 ↩
本来は、適切なアルゴリズムを志ん朝に選ばなければなりません。 ↩