「株価データセット作成」と「AR(1)の実装」

本記事でやること

• 自分で株価のデータセットを作成し、AR(1)モデルを実装する。

株価データセットの作成

• 以下のURLにアクセスし、銘柄名を検索すると株価のcsvを取得できる。
• https://kabuoji3.com/stock/

AR(1)の実装

• 上記で取得した株価のcsvを元に、AR(1)モデルを実装する。

AR(1)を一言で

• 前日の株価で当日の株価を予測するモデル。

実装

ライブラリ・モジュール

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

前処理

# データをdfとして読み込む。
df = pd.read_csv(file_nm, encoding='cp932') # file_nmに株価のcsvファイルのパスを指定。 
# 上記のcsvには無駄な情報があるため、dfとしての形式を整える。
date = df.index[1:] # 日付の値を格納するdateを生成する。
df = pd.DataFrame(df.values[1:,:], columns=df.loc['日付'].values) # 余分な情報を削除する。
df['日付'] = date
df = df[['日付', '始値', '高値', '安値', '終値', '出来高', '終値調整値']]

# dfのカラムを日付と終値に絞る。
df = df[['日付','終値']]

# 終値に格納される値のデータ型を文字列からfloat32に変更する。
df.loc[:,'終値'] = df['終値'].astype(np.float32)

# 2013年6月28日を0, 2013年7月1日を1, 2013年7月2日を2, ...とする日付番号カラムを生成する。
date_num = list(range(len(df.日付)))
df['日付番号'] = date_num
df = df[['日付', '日付番号', '終値']]

# 1日前の終値のカラムを生成する。
df_2 = df.copy()
df_2['日付番号'] = df_2['日付番号'] + 1
df = pd.merge(df, df_2[['日付番号' ,'終値']], on='日付番号', how='left')
df = df.rename(columns={'終値_x':'当日の株価', '終値_y':'前日の株価'})

# 欠損値を含む行を除外する。
df = df.dropna()

# 特徴量, 目的変数を格納するX, yを生成する。
y = df.当日の株価.values
X = df.前日の株価.values

def reshape_row(arr):
    """X, yの形状を変更する。(行ベクトルに変更する。)
    """
    return arr.reshape(-1, 1)

X, y = reshape_row(X), reshape_row(y)

# X, yをtrainデータとvalidationデータに7:3の割合で分割する。
train_X, val_X, train_y, val_y = train_test_split(X, y, test_size=0.3)

学習 ~ 評価

# 線形回帰モデル(AR(1))の係数推定値を算出する。
model = LinearRegression()
model.fit(train_X, train_y)

# 切片と前日の株価の係数推定値を表示する。
print("切片は", model.intercept_[0])
print("前日の株価の係数推定値は", model.coef_[0][0])

# モデルの評価を行う。
true_y = val_y
pred_y = model.predict(val_X)
mean_squared_error(true_y, pred_y)