G-Chartのページ

Randam Forestとは、機械学習のアルゴリズムの一つで小さな独立した決定木を複数作成して学習させ、それぞれの決定木から得られた解の多数決によって解を導き出すアルゴリズムです。これを株価予想に使い、予想する銘柄と関係のある複数の銘柄で過去の株価の動きより決定木を作成し、その多数決で目的の銘柄の株価を予想します。

具体的には、ある特定銘柄の明日の株価を予想するために、他の株価とターゲットの株価の過去の動きの相関関係を学習させます。この時、前日から株価が増加した場合は１、減少した場合は-1として正規化します。さらに注意点として、本日までの値から、明日のターゲットの株価の変動を予想する必要があるので、相関関係のある株価とターゲットの株価の相関は、一日ずらす必要があります。
この前提で他の株価との相関関係の強弱を東証１部の全銘柄に対して調査し、その結果、相関関係の強い20銘柄を選抜します。選抜した20銘柄に投票権を持たせ、RandamForestを行い、ターゲット銘柄の明日の株価を予想します。

本株価予想については、下記にも記載しています。
　　AIを使った株価予想をPythonのscikit-learnライブラリRandam Forestで試してみた

上記のRandamForestを使ってターゲット銘柄の株価を予想する無償版のソフトウェアを開発し、公開しています。
　　G-Chart(無償版)

G-Chart（無償版)の紹介記事を下記に載せています。
　　AI(機械学習)Randam Forestで株価を予想するWinodwsアプリケーションの開発

G-Chart(有償版)を使った全銘柄の計算には8時間(CPU:Core i7-3770,メモリ:12GB)掛かります。その日の株価のデータが更新されるのが18時ぐらいになるので、 19時ぐらいよりG-Chartで株価予想の実行を開始します。株価データの更新と実行開始のボタンを押すのは５分ぐらいで完了します。

翌朝には株価予想の計算が完了しているので、その結果より的中率の高い5-10銘柄を選択します。東証の開始直後に注文を入れます。この時、引けに清算の注文も同時に入れます。 G-Cahrtの予想はその日の増減なので、取引は１日で完結させます。 G-Cahrtでは、その日の株価の増減が予想されるので、それに合わせて順張りと逆張りを切り替えます。高い的中率でリストされた銘柄によっては、株価が高く、手持ちの資金量では、購入できないケールもあるかもしれません。その時は仕方がないので、その銘柄はスキップします。 G-Chartの予想も絶対ではありません。負ける事もあります、1日の取引に手持ちの全資金を継ぎ込むのは危険です。１日の注文額は手持ちの30%-50%ぐらいを上限にするのが適切ではないかと思います。もう1つ注意しないのといけないのが、G-Chartは前日の終値から、次の日の終値の株価の増減を予想しています。一方、注文は始値と終値の差額としているので、始値で既に予想の増減を折り込んでしまえば、始値と終値の差額動きはわからくなります。具体的には、ある銘柄がG-Chartで増と予想された場合、これは前日の終値から次の日の終値が増えるとの予想になっています。ここで始値が前日の終値より既に増えていたら、終値は前日よりかは増える予想ではあるが、始値と比べると増減はわかりません。始値が前日より減もしくは同じならば、終年は増える予想なので、利益が得られますが、始値で既に増えていたら、終値は前日よりかは増えているかもしれないが、始値と比べたら逆に減っているかもしれません。このような銘柄は、不透明なのでスキップするのが良いです。その為には始値を見極めてから注文を入れる事になります。

上記の点に留意して、後は機械的に、淡々と売買を行います。短期的には微増、減少もしくは、大幅増加が発生する可能性はあるが、日々の資産の増減に惑わされる事なく、決めたルールで淡々と取引を行います。

G-Chartの予測に基づいた取引開始にあたって、終了する時期、金額を前もって決めておくと良いでしょう。

上記のルールで、G-Char(有償版)を使って株取引を実践した結果を下記に示します。100万円を元手に、24日の取引を行って結果、111万円に資金が増やす事が出来ました。

同じキャピタルゲインを維持すると仮定したすると、1年後には350%、2年後には1,200%に増える計算になります。

G-Chart　の　ページ

[1.概要]

[2.株価予想]

[3.予想システム G-Chart(有償版)]

[4.株価予想システムG－Chart(有償版)を使った投資方法]

[5.G-Chart(有償版)の購入方法]