# きっかけ
- 株価の機械学習の記事を読んで試してみた
# 読んだ記事1
- 決算から株価を予想する機械学習
- コードを読んでもデータがないため、イメージができなかった
- データが見れるというのは重要
- 手法一覧は有益
# 読んだ記事2
- 入門なので内容は簡単
- しかし株価だけで推測しているため、目的変数 = 説明変数である
- 入門用としては良いが、まったく実用的ではない
# 読んだ記事3
- こちらも株価のみで株価を予想する
- 株価の変化率や銘柄のセクター等の情報を算出して、1週間後の株価を予想するもの
- 最も参考になった
# やってみた感想
- 株価の予想はとても難しい
- 様々な特徴量を加味して推測する必要があるが、そこまでリソースを注ぎ込めない
- 機械学習は面白いが、株価の予想は難しいため諦める
# j-Quants
- 株価API
- 決算情報から株価を予測したくて契約
- ライトプラン ¥1,650 / mo
# 採用手法
| 種類 | 方法 |
|---|---|
| データ | CSV |
| 処理 | Jupyter Notebook + Python |
| 機械学習 | LightGBM |
- 上記の手法が機械学習には最適
- Python
- 機械学習のためのライブラリが揃っており楽
- Jupyter Notebook
- 手軽に実行、修正ができる
- 学習効率が高い
- markdownも追加でき、コード + ドキュメントの両立が可能
- CSV
- 簡単に読み込みができる、良い感じに処理してくれる
- LightGBM
- 教師あり学習ではこれが一番使いやすい
- GPU不要。軽い
# 採用しなかった手法
- SQL
- CSVの方が楽
- SQLはライブラリを入れる必要がある
- CSVにして疎結合にした方が良い
- BigQuery ML
- コード書かなくて良いから便利、楽…と思っていたが
- 使いこなすまで時間がかかる
- よく分からない内は Jupyter Notebook で良い。参考資料も多い