0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

株の売り時/買い時の分類に必要な正解データを作る

Last updated at Posted at 2024-11-12

1.概要

株や仮想通貨が売り時 or 買い時 を分類するモデルを作ってみようと思ったのですが、まず学習用の正解データを作らなければならないことに気づきました。
そこで、チャート上でいう「下にとがっている点」に「買い時ラベル」、「上にとがっている点」に「売り時ラベル」がつくようなコードを書いてみました。

2.コード

株や仮想通貨の時系列データに、以下の6つにクラス分けしてみたいと思います。
(必要なラベルは 売り時 or 買い時 or それ以外 だけかもですが…)

  • 1:売り時
  • 2:強い上昇
  • 3:上昇
  • 4:下降
  • 5:強い下降
  • 6:買い時

まず最初に今回必要なモジュールをインポートします。

モジュールのインポート
import datetime
from dateutil.relativedelta import relativedelta
import yfinance as yf
import numpy as np
import matplotlib.pyplot as plt

yahooファイナンスのライブラリを使って時系列データを取得します。
ここでは例としてビットコインのデータを取得します。

データ取得
# 取得するデータをビットコインに指定
tickers = ['BTC-JPY']
# 取得終了日
end = datetime.date.today()
# 取得開始日(10年前)
start = end - relativedelta(years=10)
# データの取得を実行 、結果を`df`に代入
df = yf.download(tickers, start=start, end=end)

下準備として、以下3つの列を追加します。

  • diff1:終値の1階差分
  • diff2:終値の2階差分
  • trend_class:クラス分け用のラベルが入る列。いったん NaN で初期化
差分データとか作成
# Closeの差分データを算出し、diff1という新たな列に代入
df['diff1'] = df['Close'].diff()
# diff1の差分データを算出し、diff2という新たな列に代入
df['diff2'] = df['diff1'].diff()
# trend_classという列を作成し、データをNaNで初期化
df['trend_class'] = np.nan

diff1(終値の1階差分)が2日連続で正の場合はその点を上昇トレンドとしてラベル3、負の場合はその点を下降トレンドとしてラベル4をつけます。
どのラベルもつかず、trend_class が NaN の場合は、直後の非欠損値で置き換えます。
(ここの「XX日連続」や「XX日中XX」を変えることで、結果も結構変わります。)

ラベル付け①
# diff1列を使ってrollingを適用し、条件に基づいてtrend_classを設定
def classify_trend(window):
    threshold = int(len(window))
    pos_count = (window > 0).sum()
    neg_count = (window < 0).sum()
    if pos_count >= threshold:
        return 3
    elif neg_count >= threshold:
        return 4
    else:
        return np.nan
df['trend_class'] = df['diff1'].rolling(window=2).apply(classify_trend, raw=True)
df['trend_class'] = df['trend_class'].bfill()

さらに trend_class がラベル3(上昇トレンド)かつ、diff1(終値の2階差分)が正かつ、diff2(終値の2階差分)が正の場合は、強い上昇トレンドにあるとしてその点をラベル2にします。
(前日よりもさらに大きい幅で上昇しているため)
逆に trend_class がラベル4(下降トレンド)かつ、diff1(終値の2階差分)が負かつ、diff2(終値の2階差分)が負の場合は、強い下降トレンドにあるとしてその点をラベル2にします。

ラベル付け②
# dfのデータを1行ずつ確認し、条件に基づいてtrend_classを更新
for i in range(1, len(df)):
    if df['trend_class'].iloc[i] == 3 and df['diff1'].iloc[i] > 0 and df['diff2'].iloc[i] > 0:
        df.at[df.index[i], 'trend_class'] = 2
    elif df['trend_class'].iloc[i] == 4 and df['diff1'].iloc[i] < 0 and df['diff2'].iloc[i] < 0:
        df.at[df.index[i], 'trend_class'] = 5

最後に上昇トレンド(ラベル2,3) → 下降トレンド(ラベル4,5)に変化する点を売り時としてラベル1にします。
逆に下降トレンド(ラベル4,5) → 上昇トレンド(ラベル2,3)に変化する点を買い時としてラベル6にします。

ラベル付け③
# trend_classの変化点を検出して更新
for i in range(1, len(df) - 1):
    if (df['trend_class'].iloc[i] in [2, 3]) and (df['trend_class'].iloc[i + 1] in [4, 5]):
        df.at[df.index[i], 'trend_class'] = 1
    elif (df['trend_class'].iloc[i] in [4, 5]) and (df['trend_class'].iloc[i + 1] in [2, 3]):
        df.at[df.index[i], 'trend_class'] = 6

ここまでの結果を確認します。
見えやすさのために直近半年くらいのデータに絞ってみます。

結果確認
# 直近のデータ確認
df = df.tail(180)
print(df)
出力
                  Open        High         Low       Close   Adj Close          Volume      diff1      diff2  trend_class
Date
2024-05-17  10223451.0  10326851.0  10031225.0  10136792.0  10136792.0   4906361601001   -88414.0  -679314.0          5.0
2024-05-18  10136748.0  10491554.0  10145188.0  10436284.0  10436284.0   4362926555869   299492.0   387906.0          4.0
2024-05-19  10438516.0  10490523.0  10377840.0  10421010.0  10421010.0   2601683785160   -15274.0  -314766.0          5.0
2024-05-20  10420562.0  10538310.0  10256523.0  10323983.0  10323983.0   2998373708858   -97027.0   -81753.0          5.0
2024-05-21  10324041.0  11177707.0  10302802.0  11174654.0  11174654.0   6858338601112   850671.0   947698.0          4.0
...                ...         ...         ...         ...         ...             ...        ...        ...          ...
2024-11-08  11672155.0  11757562.0  11477265.0  11625945.0  11625945.0   9721004336154   -46518.0 -1215316.0          3.0
2024-11-09  11625635.0  11801052.0  11581242.0  11688108.0  11688108.0   8425227731126    62163.0   108681.0          2.0
2024-11-10  11689744.0  11744171.0  11567248.0  11720678.0  11720678.0   4428442224534    32570.0   -29593.0          3.0
2024-11-11  11720171.0  12445996.0  11690077.0  12305469.0  12305469.0  12626034745346   584791.0   552221.0          2.0
2024-11-12  13623837.0  13800385.0  13102732.0  13353579.0  13353579.0  23548624109568  1048110.0   463319.0          2.0

[180 rows x 9 columns]

グラフでも見てみます。
終値を折れ線グラフとして表示し、上昇トレンド区間の背景を薄い赤、下降トレンド区間の背景を薄い緑にします。
また、売り時に赤いマーカー、買い時に緑のマーカーをつけます。

グラフ作成
# Closeの折れ線グラフを作成
plt.figure(figsize=(12, 6))
plt.plot(df.index, df['Close'], label='Close', color='blue')

# 背景色を設定
for i in range(len(df)):
    current_class = df['trend_class'].iloc[i]
    if current_class == 2:
        plt.axvspan(df.index[i-1], df.index[i], color='red', alpha=0.3)
    elif current_class == 3:
        plt.axvspan(df.index[i-1], df.index[i], color='red', alpha=0.1)
    elif current_class == 4:
        plt.axvspan(df.index[i-1], df.index[i], color='green', alpha=0.1)
    elif current_class == 5:
        plt.axvspan(df.index[i-1], df.index[i], color='green', alpha=0.3)

# マーカーを追加
for i in range(len(df)):
    if df['trend_class'].iloc[i] == 1:
        plt.plot(df.index[i], df['Close'].iloc[i], 'ro')
    elif df['trend_class'].iloc[i] == 6:
        plt.plot(df.index[i], df['Close'].iloc[i], 'go')

plt.xlabel('Date')
plt.ylabel('Close')
plt.title('Close Price with Trend Classification')
plt.legend()
plt.grid(True)
plt.show()

グラフはこんな感じ
peak.png
割と特徴は捉えられてる気がする(たぶん)

今回特に高度なライブラリは使わず、diff関数をごちゃごちゃ組み合わせるだけでしたが、ある程度の結果は得られたのではと思います。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?