Stock Prediction Neural Network and Machine Learning Examples

株価予測ニューラル ネットワークと機械学習の例 (Python)

コンテンツ：

• 簡単な例
• ハイパーパラメータの最適化
• はじめる
• 株価データ例について

概要

これらは、すぐに起動できる ML および NN メソッドです。株価予測の新しいテクニックを学びたい人にとって簡単に設計されています。これらの例は、理解を容易にし、各メソッドの重要なコンポーネントを強調することを目的としています。例では、株価予測を取得するために現在のデータでモデルを実行する方法も示します。

機械学習の例:

• 遺伝的アルゴリズム
• 勾配ブースト
• K 平均法クラスタリング
• ロジスティック回帰
• ランダムフォレスト
• サポート ベクター マシン (SVM)

ニューラルネットの例:

• フィードフォワード ニューラル ネットワーク (FFNN)
• 長短期記憶 (LSTM)
• リカレント ニューラル ネットワーク (RNN)

ニューラル ネット ライブラリの例:

• ケラス
• 稲妻
• パイトーチ
• テンソルフロー

はじめる

1. このリポジトリのクローンを作成します。
2. プロジェクト ディレクトリに移動します。
3. 必要なライブラリをインストールします。

pip install -r requirements.txt

4. スターター データをダウンロードします。

   • これらの例では、次のプロパティを持つ正確にフォーマットされた株式データが必要です。
     • ウィンドウ化:時系列は通常のウィンドウに分割されます。
     • ブール ラベル:特定の時点での特定の値を予測するのではなく、データは分類されます。
     • テスト/トレーニングの分割:データの重複や先読みバイアスがないように時系列に分割します。
   • スターターデータをダウンロードします。 example_dataディレクトリをこのプロジェクト フォルダーに保存します。

5. simple_examples内のスクリプトのいずれかを実行します。

ニューラルネットのハイパーパラメータの最適化

どのハイパーパラメータ値を調査するかを簡単に設定できるように設計されています。マルチスレッド処理により、実行時間が短縮されます。

1. コードはhyperparameter_tuningにあります
2. ニーズに合わせてconfig.py編集します
3. hyper_main.pyを実行します

ハイパーパラメータの Readme はこちら: ハイパーパラメータの調整

株価データ例について

このコードは、D.AT サンプル データで入手可能なサンプル株データを使用して実行できます。

このデータセットには、S&P 500 を構成する企業の 5 年間の価格データがカプセル化されており、それぞれ 30 営業日の間隔に分割されています。各セグメントのデータは、値をセグメント内の最新のデータ ポイントで割る方法を使用して正規化されています。データセット内の各行は特定のセグメントを表し、特定の取引日に利用可能な株式データのスナップショットを提供します。行には、その後 10 営業日以内に株価が最低 5% 上昇した時期を示すラベルが付けられています。

• train.csv : 5 年間のうち、最初の 4 年間のデータが含まれます。
• test.csv : 5 年間のうち、最後の年のデータが含まれます。
• latest.csv : このファイルには、上場されているすべての株式の最新取引日のデータが含まれています。ラベルはありませんが (将来のイベントに関係するため)、各行はtrainやtestファイル内の特徴ベクトル構造と同じ特徴ベクトル構造を維持します。行は株式ティッカー シンボルで始まり、好業績が期待できる銘柄を正確に特定するための重要なツールとして機能します。

新しいデータの取得

サンプル データは静的であり、現在の株価値は含まれていません。さまざまな取引戦略や特徴エンジニアリング オプションでカスタマイズ可能な最近のデータは、D.AT から無料でダウンロードできます。