「Kerasを用いたディープラーニング（LSTM）による株価予測」をやってみた

元ネタはこちら。

• Kerasを用いたディープラーニング（LSTM）による株価予測

書いたソースコードはこちら。

• 日経225予測

元ネタではEXCELでテストデータを加工してねという感じだったけど、Pandasでやった方が早そうだったのでPytohnで書いた。たぶん問題なく加工できていると思う。

１点だけ元ネタのソースコードでは動かなかったコードがあった。「学習データのテンソル化と、訓練データ／評価データ／テストデータへの分割」のところで、

len_seq = x_data.shape[0] – maxlen + 1

となっているけど、ここの x_data を t_data に変えればちゃんと動いた。たぶん t_data であっていると思う。

学習は多少時間がかかったが、10分程度。まあ許容範囲内。

結果は、正答率: 0.34432515337423314、準正答率（騰落）: 0.5421779141104295　ということで、まあ50%は多少超えている程度。そんなによくない。

元ネタでは

予測精度を改善するため、日経平均の始値（Open）、高値（High）、安値（Low）、およびNYダウ、ドル円、DAX指数、ハンセン指数、TOPIX、NASDAQ、SP500、上海総合指数を入力データに追加する。

とあるけど、他の市場のデータを使うのは禁じ手ではないだろうか。NY証券取引所がオープンする頃にはすでに東証はクローズしているわけで、NYダウやドル円の同じ日のデータを使うということは、もう東証がクローズした後のデータを使うということ。仮にそのデータを使って値上がりすることが予測できたとしても、もう東証のクローズ価格で買うことはできないのだから。

逆に言うと、本来手に入らないはずの未来のデータを使って予測するんだから、精度が上がって当然という気もする。

東証がクローズする前に入手できるデータだけを使って精度が向上するのであれば、面白いね。（「自分でやってみろ」という声が聞こえる）

Photo by Alex Jodoin on Unsplash

追記：

同じことをGoogle ColabのGPUランタイムでやってみたけど、Google Colabの方が遅かった。実はAzure Notebooks優秀？

• 深層学習