機械学習で日経平均の変動を予測する(2)

前回はフィードフォワードネットワークでの学習を行いました。

このフィードフォワードというのは機械学習の中ではかなり単純なネットワークでして、本来は経済指標の動きなどといった時系列データに適した手法ではありません。じゃあなんでやったのかというと、なんとなくです。理由は無いです。

時系列データが扱えるのはRNN(recurrent neural network)という手法です。今回はこれを使います。日経平均の変動予測に関してもこっちが本命です。

とりあえず三角関数を学習させてみました。sin(x)と1.5*cos(x)を学習させます。

sin_fin

綺麗に学習結果が収束しました。この図は「過去のn回の回答を入力してn+1回目の結果を予測する」というものになります。では、過去n回のデータからn+x回までを一気に予測させたらどうなるでしょうか。たとえば、本日から10日後までの日経平均株価の変動を推測させる…などという応用を想定しています。

sin

まあまあよく推定できているのではないでしょうか。周期はそれなりに高精度に推測できているようですが、出力値の絶対値は誤差の蓄積が重なって最終的に発散してしまうようですね。

じゃあこの手法を日経平均に適用したらどうなるでしょうか…。それは次回にやってみます。