AIを使って株取引で不正行為をしよう！この世代のプログラマーは本当に楽しみ方を知っている

ディープラーニングを使用して株価を予測することは、以前は少し神秘的に思えたかもしれませんが、新しいことではありません。今日は、株価予測モデルを紹介します。私は、トレーディングロボットや（株）シミュレーションなど、機械学習と株価予測のためのディープラーニングモデルを収集しました。

株式市場を正確に予測することは、株価の動きに影響を与える要因や前提条件が数百万もあるため複雑な作業です。そのため、モデルはこれらの前提条件をできるだけ多く捉える必要があり、同時に、1) 市場は 100% ランダムではない、2) 歴史は繰り返す、3) 市場は人々の合理的な行動に従う、4) 市場は「非常に良好」である、といういくつかの重要な仮定も立てる必要があります。

作成者はゴールドマン・サックスを例に挙げ、2010年1月1日から2018年12月31日までの日次終値をトレーニング（7年間）とテスト（2年間）データとして使用し、ゴールドマン・サックスの株価動向を予測しました。

すべてのニューラル ネットワークを作成するために、作成者は MXNet とその高レベル API である Gluon を使用し、複数の GPU でトレーニングしました。全体的なアーキテクチャは次のとおりです。

GitHub では、各ステップを紹介する詳細なチュートリアルも提供されています。作成者によると、最も難しいのは GAN です。GAN のトレーニングを成功させる上で最も難しいのは、ハイパーパラメータの正しいセットを取得することです。このため、作成者はベイズ最適化（ガウス過程によるベイズ最適化）と強化学習（RL）を使用して、GAN のハイパーパラメータをいつどのように変更するかを決定しました。強化学習を作成する際には、RainbowやPPOなどの技術も使用されます。

株式の過去の取引データとテクニカル指標に加えて、作成者は NLP の BERT を使用して感情分析モデル (ファンダメンタル分析のソースとして) を作成し、フーリエ変換を使用して全体的なトレンドの方向を抽出します...株式に関する情報、パターン、依存関係などを可能な限り多く取得するためです。誰もが知っているように、データは多ければ多いほど良いのです。

集合的なプロセスの詳細については触れませんので、結果だけを見てみましょう。

トレーニング後の結果をプロットする

50回のトレーニング後の結果をプロットする

200回のトレーニング後の結果をプロットする

RL は 10 個のエピソードを実行しました。この記事では、エピソードを GAN が 200 回完全にトレーニングされた後の最終結果として定義します。次の図は最終結果を示しています。

チュートリアル全体に興味がある場合は、GitHub で確認できます。正確さに関しては、試してみれば分かります。

現在、このプロジェクトは 863 個のスターと 378 個のフォークを獲得しています (GitHub アドレス: https://github.com/borisbanushev/stockpredictionai)