http://qiita.com/northriver/items/81b79e7e6785f2b89b95
でとりあえず、DNNに株価をぶち込んで予測させた。そこで、RNN/LSTMを使ったらというアドバイスをいただき、RNNでやってみたのを書きます。

outputをx%上がったかに戻し、
inferenceを以下に変えてやってみた。

def inference(input_ph, istate_ph):
     with tf.name_scope("inference") as scope:
        weight1_var = tf.Variable(tf.truncated_normal([num_of_input_nodes, num_of_hidden_nodes], stddev=0.1), name="weight1")
        weight2_var = tf.Variable(tf.truncated_normal([num_of_hidden_nodes, num_of_output_nodes], stddev=0.1), name="weight2")
        bias1_var   = tf.Variable(tf.truncated_normal([num_of_hidden_nodes], stddev=0.1), name="bias1")
        bias2_var   = tf.Variable(tf.truncated_normal([num_of_output_nodes], stddev=0.1), name="bias2")

        mean1, variance1 = tf.nn.moments(input_ph,[0])
        bn1 = tf.nn.batch_normalization(input_ph, mean1, variance1, None, None, 1e-5)

        in1 = tf.transpose(bn1, [1, 0, 2]) 
        in2 = tf.reshape(in1, [-1, num_of_input_nodes]) 
        in3 = tf.matmul(in2, weight1_var) + bias1_var
        in4 = tf.split(0, length_of_sequences, in3)   

        cell = rnn_cell.BasicLSTMCell(num_of_hidden_nodes, forget_bias=forget_bias)
        rnn_output, states_op = rnn.rnn(cell, in4, initial_state=istate_ph)
        output_op = tf.matmul(rnn_output[-1], weight2_var) + bias2_var
        
        return output_op, states_op

訓練データの正解率は５割をちょっと超えるぐらい。２０％枠を作り、そこと同じ幅かどうかで見ています。
まあまあいいのかな？

で、２０１７/2/5までの120日間のデータを使って、1ヶ月後何％上がるかを3000銘柄すべてで予測させてた。高いのは以下みたい

(株への投資はご自身の責任で行いください。等記事は一切の責任を持ちません)