重回帰分析で時価総額を予測してみる #Python3

重回帰分析を行います

では、今回は、株価（時価総額）を予測するために重回帰分析を利用してみます。

入力変数としては、時価総額に影響を与えそうな項目を適当に選んでみました。

項目名	説明
営業利益(百万円)	会社が本業で稼いだ利益のこと
PBR（実績）	会社の純資産と株価の関係
BPS（実績）	1株当たり純資産
自己資本(百万円)	出資者から調達した資本金と，内部留保 (剰余金) から成る。
ROE	株主資本に対する当期純利益の割合
ROA	総資産に対してどれだけの利益が生み出されたのかを示す

では、ここから実際にソースを書いていきます。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
np.set_printoptions(precision=3, suppress=True) #指数表示の禁止

データの読み込み

今回使用するデータは、時価総額があるCSVと経常利益があるCSVが別々なのでそれぞれ別に読み込みます。

df1 = pd.read_csv(filepath_or_buffer="～\japan-all-stock-data.csv", encoding="ms932", engine="python", sep=",")
df2 = pd.read_csv(filepath_or_buffer="～\japan-all-stock-financial-results.csv", encoding="ms932", engine="python", sep=",")

df1.head(3)

	SC	名称	市場	業種	時価総額(百万円)	発行済株式数	配当利回り	1株配当	PER（予想）	PBR（実績）	EPS（予想）	BPS（実績）	最低購入額	単元株	高値日付	年初来高値	安値日付	年初来安値
0	1	日経225（日経平均株価）	東証	株価指数	-	-	-	-	-	-	-	-	-	-	-	-	-	-
1	2	TOPIX（東証株価指数）	東証	株価指数	-	-	-	-	-	-	-	-	-	-	-	-	-	-
2	1301	極洋	東証一部	水産・農林	42948	10928283	1.53	60.00	15.29	1.49	257.01	2644.98	393000	100	2018/1/10	4460	2017/1/18	2681

df2.head(3)

	SC	名称	決算期	決算発表日(本決算)	売上高(百万円)	営業利益(百万円)	経常利益(百万円)	当期利益(百万円)	総資産(百万円)	自己資本(百万円)	資本金(百万円)	有利子負債(百万円)	自己資本比率	ROE	ROA	発行済株式数
0	2788	アップルインターナショナル	2017/12	2018/02/19	13634	325	335	204	8230	7357	4322	1476	89.40	2.86	2.58	13841400
1	5101	横浜ゴム	2017/12	2018/02/19	668049	51933	52887	35217	929029	383925	38909	315916	41.30	9.61	3.84	169549081
2	6278	ユニオンツール	2017/12	2018/02/19	23188	3698	3718	2655	57605	52440	2998	-	91.00	5.22	4.81	20788590

# 結合
df_merged = pd.merge(df1, df2, how='inner', on='SC')
df_merged.head(3)

	SC	名称_x	市場	業種	時価総額(百万円)	発行済株式数_x	配当利回り	1株配当	PER（予想）	PBR（実績）	...	経常利益(百万円)	当期利益(百万円)	総資産(百万円)	自己資本(百万円)	資本金(百万円)	有利子負債(百万円)	自己資本比率	ROE	ROA	発行済株式数_y
0	1301	極洋	東証一部	水産・農林	42948	10928283	1.53	60.00	15.29	1.49	...	3709	2422	97391	24976	5664	50919	25.60	10.19	2.52	10928283
1	1332	日本水産	東証一部	水産・農林	171524	312430277	1.46	8.00	8.55	1.22	...	24884	14216	451876	120973	30685	207749	26.80	13.17	3.17	312430277
2	1333	マルハニチロ	東証一部	水産・農林	169292	52656910	1.24	40.00	10.92	1.46	...	27874	15446	501303	100664	20000	272208	20.10	16.62	3.13	52656910

3 rows × 33 columns

# 欠損値を削除していきます。
# 対象のデータでは、欠損値が「-」で登録されているので「-」以外の行を対象にします。
df_removed = df_merged[df_merged['経常利益(百万円)'] != '-']
df_removed = df_removed[df_removed['営業利益(百万円)'] != '-']
df_removed = df_removed[df_removed['当期利益(百万円)'] != '-']
df_removed = df_removed[df_removed['PBR（実績）'] != '-']
df_removed = df_removed[df_removed['BPS（実績）'] != '-']
df_removed = df_removed[df_removed['自己資本(百万円)'] != '-']
df_removed = df_removed[df_removed['ROE'] != '-']
df_removed = df_removed[df_removed['ROA'] != '-']
len(df_removed)

# 各カラムを数値に変換します。
df_removed = df_removed.astype({'SC':'object', '経常利益(百万円)':'int', '営業利益(百万円)':'int', '当期利益(百万円)':'int', '時価総額(百万円)':'int','経常利益(百万円)':'int','PBR（実績）':'float','BPS（実績）':'float','自己資本(百万円)':'int','ROE':'float','ROA':'float'})
df_removed.dtypes [['経常利益(百万円)', '営業利益(百万円)', '当期利益(百万円)', '時価総額(百万円)','経常利益(百万円)','PBR（実績）','BPS（実績）','自己資本(百万円)','ROE','ROA']]

経常利益(百万円)      int32
営業利益(百万円)      int32
当期利益(百万円)      int32
時価総額(百万円)      int32
経常利益(百万円)      int32
PBR（実績）      float64
BPS（実績）      float64
自己資本(百万円)      int32
ROE          float64
ROA          float64
dtype: object

# 営業利益がマイナスでないデータのみを対象とする
df_target = df_removed[df_removed['営業利益(百万円)'] > 0]

from sklearn.linear_model import LinearRegression

モデルを作成し予測する

線形回帰を実施するために、「LinearRegression」というモデルを利用します。
各引数は、このような意味があります。

引数名	説明	デフォルト
fit_intercept	切片を求める計算を行うかどうか設定します。Falseを設定する場合は、すでに中心化されたデータを扱う必要があります。	True
normalize	正規化するかどうか	False
copy_X	メモリにデータをコピーしてから読み込むかどうか	True
n_jobs	使用するジョブの数	1

# モデルを作成
model = LinearRegression(fit_intercept=True, normalize=True, copy_X=True, n_jobs=1)

準備したデータの半分を訓練用データとします。

from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(df_target[['営業利益(百万円)','PBR（実績）','BPS（実績）','自己資本(百万円)','ROE','ROA']], df_target['時価総額(百万円)'], test_size=0.5)
len(X_train), len( X_test)

(1647, 1648)

# モデルを訓練する
# 第一引数は、説明変数で行列で指定する必要があります。
# 第二引数は、目的変数です。
model.fit(X_train, y_train)

intercept_で計算した切片を確認できます。

model.intercept_

-41125.320910887734

coef_で偏回帰係数を確認可能です。
この値が0より離れている項目ほど、予測するためにより影響を与えます。
この結果を見る限り、自己資本単体ではほとんど影響を与えていないので削除しても問題ないかもしれませんね。

model.coef_

array([     5.035,   4466.039,     24.673,      0.553,  -2509.848,
        12703.519])

modelのpredictで予測を実施します。

df_target.loc[:,'predict'] = model.predict(df_target[['営業利益(百万円)','PBR（実績）','BPS（実績）','自己資本(百万円)','ROE','ROA']])
df_target

	SC	名称_x	市場	業種	時価総額(百万円)	発行済株式数_x	配当利回り	1株配当	PER（予想）	PBR（実績）	...	当期利益(百万円)	総資産(百万円)	自己資本(百万円)	資本金(百万円)	有利子負債(百万円)	自己資本比率	ROE	ROA	発行済株式数_y	predict
0	1301	極洋	東証一部	水産・農林	42948	10928283	1.53	60.00	15.29	1.49	...	2422	97391	24976	5664	50919	25.60	10.19	2.52	10928283	6.979233e+04
1	1332	日本水産	東証一部	水産・農林	171524	312430277	1.46	8.00	8.55	1.22	...	14216	451876	120973	30685	207749	26.80	13.17	3.17	312430277	1.635729e+05
2	1333	マルハニチロ	東証一部	水産・農林	169292	52656910	1.24	40.00	10.92	1.46	...	15446	501303	100664	20000	272208	20.10	16.62	3.13	52656910	2.058015e+05
3	1352	ホウスイ	東証一部	卸売	9812	8379000	1.71	20.00	22.80	1.63	...	706	33620	5692	2485	19140	16.90	13.04	2.24	8379000	-1.323026e+04
4	1376	カネコ種苗	東証一部	水産・農林	18860	11772626	1.62	26.00	12.97	1.05	...	1489	43369	17686	1491	-	40.80	8.79	3.44	11772626	4.273245e+04
5	1377	サカタのタネ	東証一部	水産・農林	175489	48410750	0.69	25.00	30.21	1.66	...	6112	116169	93933	13500	4192	80.90	6.69	5.43	48410750	1.631828e+05

3295 rows × 34 columns

評価を行う。

最後に評価を行います。
先ほど分割した、テスト用データの方でどれだけ、予測できているかチェックします。
だいたい、82%ほど予測ができていることが分かります。

# テスト用データで評価する
model.score(X_test, y_test)

0.82604803373912083

最後に

今回は、なんとなく重回帰分析をやってみたかっただけなのでこの結果が正しいのか、何も検証できていません。
説明変数の選択も適当だったので、より影響を与える項目を選択できればもっと良い結果を得ることができると思います。
もっと勉強して、重回帰分析以外の方法も試してみたいと思います。