AIでデータ分析-ARMの株価をSARIMAモデルで予測する

Posted at 2025-11-13

このノートは、データ分析においてAIを使って何ができて何ができないかを検証するために、実際に試した結果をまとめたノートです。

今回はAIを用いてARMの株価予測モデルを作成し、未来30日間の株価を予測してみたいと思います。

AIを用いることでいかに効率化できるのか、体験していただければと思います。

所要時間は10分ほどとなっています。

それでは、さっそく始めていきましょう！

データの紹介

今回検証に用いるデータのサンプルデータはARMの株価データです。

サンプルデータはこちらからダウンロードできます。

1行が1日の株価データになっています。列情報としては日付と株価があります。

AIを使って予測モデル作成コードを生成し実行します。

結果を確認します。

観測値と予測値を可視化することができました。

最適な最適なSARIMA次数（1,1,2）、季節性次数（0 ,0 ,1 ,7）

MAE : 20.21

RMSE : 23.73

MAPE : 12.94%

AIC : 2646.83

所要時間は10分でした。

SARIMAモデルの予測値がフラットになっている点について、理由を調べるとSARIMAモデルは強いトレンドや周期性が見られない限り、このような平均への回帰的な予測を示すことが一般的だそうです。特に予測期間が長くなるにつれてこの傾向は強まるとのことでした。

SARIMAモデルは株価データのように定常ではないデータに対し差分を取ることで定常化を試み、定常になった株価の変化量を予測します。

その定常な変化量を予測すると、長期的に見ればその変化量の期待値はゼロに収束する傾向があるため、将来の株価は最後の観測値から大きく変化しない（フラットになる）と予測されるとのことです。

また他にも大きなSARIMAモデルの予測値がフラットになっている要因として、外部情報の欠如があるそうです。SARIMAモデルのような時系列モデルは予測対象の系列自身の過去のデータのみを使用します。

株価のようなデータは企業のニュース、経済指標、市場全体の心理状態など、多くの外部要因に影響されるものの、SARIMAモデルはこれらの外部情報を考慮しません。

したがって、将来の外部要因に関する情報がないため、モデルは予測を平均値に収束させる傾向があるとのことです。

以上のことからSARIMAモデルは長期的な株価予測には向いていないと言えそうです。

Exploratoriyを開き、データをインポートしたらアナリティクスを開きます。

下記画像のように３箇所選択し、実行をクリックします。

観測値と予測値が可視化されました。

下にスライドしてくと解釈の仕方についてサポートがあります。

結果を確認します。

最適なSARIMA次数は（0 ,1 ,5）、季節性次数は（0 ,0 ,1 ,7 ）

RMSE : 4.65

MAE : 2.81

MAPE : 2.28%

所要時間は1分でした。

今回はSARIMAモデルでARMの株価を予測するにあたり、2つの方法を試しました。

1つ目の方法はAIを用いた方法と、もう1つはExploratoryを用いた方法です。

結果はAIでも予測モデルの作成、結果を得ることができましたが、同じアルゴリズムを用いてもExploratoryの方が早く・精度高く結果を得ることができること、SARIMAモデルは長期的な株価予測には向いていないことを確認することができました。

AIでできることとできないことを把握し、うまく活用することで、データ分析もかなり効率化できそうですね！

AIでデータ分析-ARMの株価をSARIMAモデルで予測する　は以上となります！