ディープラーニングで日経平均株価を予測
この記事は、ディープラーニングの勉強の一環です。
間違いなどはご指摘頂ければ幸いです。
今回は、RNN との比較のため、まずはニューラルネットワークで予測をしました。
日経平均株価を選んだのは、特に理由はありません。
今回のソースファイルはこちら
※この記事を参考にした取引によって発生した損害、またはトラブルについては、一切の責任を負いかねます。
環境
- Windows 7 Proffessional 64bit
- Python 3.6.7 (anaconda)
- TensorFlow 1.12.0
- Keras 2.2.4
データのダウンロード
以下のサイトより日経平均株価の日時データをダウンロード
日経平均プロフィル ダウンロードセンター
データの確認
データの取り込み
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data_file = 'nikkei_stock_average_daily_jp.csv'
df = pd.read_csv(data_file, index_col=0, encoding='cp932')
## 最終行はデータではないため削除
df = df[:-1]
## 終値
closing_price = df['終値'].values
欠損値の確認
print('欠損値の個数')
print(df.isnull().sum(), '\n')
実行結果 欠損値なし
欠損値の個数
終値 0
始値 0
高値 0
安値 0
dtype: int64
基本統計量の確認（終値）
print('終値の基本統計量')
print(df['終値'].describe(), '\n')
実行結果
終値の基本統計量
count 843.000000
mean 19990.357865
std 2341.431256
min 14952.020000
25% 17862.420000
50% 20163.800000
75% 22011.195000
max 24270.620000
Name: 終値, dtype: float64
終値を時系列にプロット
plt.title('日経平均株価（終値）の推移')
plt.plot(range(len(closing_price)), closing_price)
plt.show()
実行結果
訓練・検証・テスト用データを作成
各データを以下のように設定
- 過去300～61日分を訓練用データ
- 過去60～31日分を検証用データ
- 過去30～0日分をテスト用データ
また、各データは過去30日分の株価を説明変数（X）、当日の株価を目的変数（y）とする。
訓練
今回は入力層・隠れ層1つ・出力層の3層のニューラルネットワークとしています。
損失関数は mae、エポック数は 3,000 としています。
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import RMSprop
model = Sequential()
model.add(Dense(32, activation='relu', input_shape=(X_train.shape[-1],)))
model.add(Dense(16, activation='relu'))
model.add(Dense(1))
model.compile(optimizer=RMSprop(), loss='mae', metrics=['accuracy'])
result = model.fit(X_train, y_train,
verbose=0,
epochs=3000,
batch_size=64,
shuffle=True,
validation_data=(X_valid, y_valid))
訓練結果（損失値）
予測（テスト）結果
直近30日を予測（テスト用データを予測）した結果です。
二乗平均平方根誤差（RMSE）は 313.059
まあまあ良い精度が出ました。
