【Python】LSTMによる株価予測【Chainer】

【Python】LSTMによる株価予測【Chainer】 AI、データサイエンス
【Python】LSTMによる株価予測【Chainer】

予測値

以下にエポックが1000、2000、3000の時の訓練データに対する予測と、テストデータに対する予測を並べる。

1000エポック

1000エポックの結果、2019年1月から4月、2019年4月~7月、、2019年7月から10月、2019年9月から12月、微分値、実際の株価
1000エポックのテストデータ結果、微分値、実際の株価2020年1月から4月

訓練データに対してはなんとなく追従している感じ。
7月~10月が上手くない感じだが。
テストデータにはまったく追従できず。

2000エポック

2000エポックの結果、2019年1月から4月、2019年4月~7月、、2019年7月から10月、2019年9月から12月、微分値、実際の株価
2000エポックのテストデータの結果、微分値、実際の株価2020年1月から4月

訓練データは、1000エポックよりも追従性が良くなった。
相変わらずテストデータには追従できず。

3000エポック

3000エポックの結果、2019年1月から4月、2019年4月~7月、、2019年7月から10月、2019年9月から12月、微分値、実際の株価
3000エポックのテストデータの結果、微分値、実際の株価2020年1月から4月

訓練データは、さらに良くなった。
そして、どうしても追従しないテストデータ。

なぜ、下落が止まり上昇方向の予測をするか考察

結果が異なる考察、ここと似ているので、これを再現しようとしている様子、訓練データの中に\19,500を下回る値無し。よって、どうしても高騰方向の予測をしてしまう。

まず、訓練データの中に19,500円を下回るデータが無かった。
そして、訓練データの中で似たような波形があり、これを模そうと頑張っていたと思われる。

予測は失敗だが、
訓練は成功していると言える。
たぶん。

次は実験に使用したコード。

Chainer v2による実践深層学習

https://amzn.to/3yEOIeo

ゼロから作るDeep Learning 2 ―自然言語処理編

Bitly

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

Bitly

Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎

Bitly

コメント

タイトルとURLをコピーしました