More than 3 years have passed since last update.

これってシステムトレードなの？

Posted at 2020-08-07

前回までのあらすじ

本記事は単独で話が完結するように心がけてはおりますが、以下の拙作記事をご一読いただくと、話の流れがより明確になります。

NIKKEI225の翌日の値幅（引値－寄り値）がプラスかマイナスかを60%の精度で予測できれば、1570 NF日経レバレッジと1357 NF日経ダブルインバースの売買を繰り返すことにより、年率46%で稼げるとの戯言を吐いた。
これを検証すべく、代表市場のインデックスの過去３日の引値を、翌日の日経平均の値幅の符号を教師ラベルとして機械学習させた予測器を構築したが、目標精度60%には遠く及ばず、サイコロレベルの51%止まりだった。
ならば、予測器を自作するのではなく、Yahoo! Finance.の「東京株式市場見通し」記事を利用するとどうかを検討したが、これもダメだった。

はじめに

今回は機械学習とは別の方法で、NIKKEI225の翌日の値幅（引値－寄り値）がプラスかマイナスかを予測してみる。
着目する点は、チャートをローソク足で見ると、陽線がしばらく継続したり、陰線が継続したりすることがけっこう頻繁に起こるということ。「3日間の連騰」とか「4日続落」とか。

陽線＝値幅（引値－寄り値）の符号がプラス
陰線＝値幅（引値－寄り値）の符号がマイナス

もし、今日が陽線だったとして、明日陽線となる確率と陰線になる確率が異なれば、確率の大きいほうを予想値とすれば、予想が当たる可能性が高まるという算段。

陰陽バイグラム

さっそく、NIKKEI225が、連続で陽線または陰線をつける割合を調べてみる。

NIKKEI225の株価データをcsvで落として、

NIKKEI225,csv

Date,Open,High,Low,Close,Volume
2017-10-31,21896.38,22020.38,21840.07,22011.61,1055801728.0
2017-10-30,22047.95,22086.88,21921.24,22011.67,1397960064.0
2017-10-27,21903.27,22016.5,21815.72,22008.45,1241389952.0
2017-10-26,21698.95,21793.62,21688.56,21739.78,851784320.0
2017-10-25,21900.13,21921.36,21648.35,21707.62,1258339712.0
    ...

以下のコードで、陽陽、陰陽、陽陰、陰陰の割合を調べる。

import pandas as pd
import numpy as np

nikkei_225 = pd.read_csv('NIKKEI225.csv').set_index('Date').sort_index()
open_list = nikkei_225['Open'].tolist()
close_list = nikkei_225['Close'].tolist()
diff_list = np.array(close_list) - np.array(open_list)

posiposi = 0
posinega = 0
negaposi = 0
neganega = 0
for i in range(len(diff_list)-1):
    if diff_list[i]>=0 and diff_list[i+1]>=0:
        posiposi = posiposi + 1
    elif diff_list[i]>=0 and diff_list[i+1]<0:
        posinega = posinega + 1
    elif diff_list[i]<0 and diff_list[i+1]>=0:
        negaposi = negaposi + 1
    else:
        neganega = neganega + 1
print(posiposi, posinega, negaposi, neganega)

2014-10-30_2017-10-31 735件の株価で
陽陽=170件
陽陰=195件
陰陽=195件
陰陰=175件
であった。

これより、

今日のNikkei225が陽線なら
- 明日陽線になる確率=170/(170+195)=46.57%
- 明日陰線になる確率=195/(170+195)=53.43%
今日のNikkei225が陰線なら
- 明日陽線になる確率=195/(175+195)=52.70%
- 明日陰線になる確率=175/(175+195)=47.30%

という結果となった。陽陽と陰陰が多いと思っていたのだけどはずした。でも非対称なのでこれでやってみる。

売買スキーム

今日のNikkei225が陽線なら、明日は陽線になる確率よりも陰線になる確率が高いので、
1357NFダブルインバースを寄りで買って引けで売る
今日のNikkei225が陰線なら、明日は明日は陰線になる確率よりも陽線になる確率が高いので、
1358日経レバ２倍を寄りで買って引けで売る

これを繰り返す。
要は、今日陽線なら明日は陰線、今日陰線なら明日は陽線と予想しているだけ。
これはシステムトレードといえるのだろうか？

損益シミュレーション（バックテスト）

2017-11-01から2020-07-28までの間、上述の売買スキームで、毎回10,000,000円づつ売買を繰り返した場合をシミュレーションしてみた。売買手数料は往復で2026円とした。
コードは以下。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

nikkei225 = pd.read_csv('NIKKEI225.csv').set_index('Date').sort_index()
n1357 = pd.read_csv('1357.csv').set_index('Date').sort_index()
n1358 = pd.read_csv('1358.csv').set_index('Date').sort_index()

nikkei225_open_list = nikkei225['Open'].tolist()
nikkei225_close_list = nikkei225['Close'].tolist()
nikkei225_diff_list = np.array(nikkei225_close_list) - np.array(nikkei225_open_list)

n1357_open_list = n1357['Open'].tolist()
n1357_close_list = n1357['Close'].tolist()
n1357_diff_list = np.array(n1357_close_list) - np.array(n1357_open_list)

n1358_open_list = n1358['Open'].tolist()
n1358_close_list = n1358['Close'].tolist()
n1358_diff_list = np.array(n1358_close_list) - np.array(n1358_open_list)

x = []
y = []
total_gain = 0
for i in range(len(nikkei225_diff_list)-1):
    if nikkei225_diff_list[i]>=0: #今日のNikkei225が陽線
        # 1357を1000万円分を寄りで買って引けで売る
        n = int(10000000/n1357_close_list[i])
        daily_gain = n1357_diff_list[i+1]*n - 2026
    else: # 今日のNikkei225が陰線
        # 1358を1000万円分を寄りで買って引けで売る
        n = int(10000000/n1358_close_list[i])
        daily_gain = n1358_diff_list[i+1]*n - 2026
    total_gain += daily_gain
    x.append(i)
    y.append(total_gain)

# プロット
plt.plot(x, y, label="total_gain")
plt.show()
print('total_gain=', total_gain)