Plateforme de calcul numérique avec des capacités d'IA : MATLAB est désormais disponible pour les particuliers.
https://jp.mathworks.com/pricing-licensing.html?intendeduse=home&prodcode=ML&fbclid=IwAR0zonp3Hw92OG7K7gv_xNsfmUuq993uUwimw8D2P2FoUafKSbjT08mQ5fI
Je n'avais pas réalisé qu'il était vendu à un prix aussi abordable pour les particuliers... Si seulement j'avais su plus tôt... Comment ont-ils pu créer une édition "Home" ? Autrefois, il n'y avait que des versions coûteuses, et les particuliers utilisaient des logiciels gratuits comme "R". Mais si ce logiciel est disponible pour environ 16 000 yens, tout le monde le choisirait, c'est un logiciel formidable. Bien que ce domaine soit assez difficile si l'on veut approfondir, il semble qu'il offre une période d'essai gratuite de 30 jours, alors je vais essayer de vérifier sa convivialité en effectuant une simple analyse boursière comme sujet d'étude.

■ Ajustement (Fitting)
J'ai exécuté un exemple de code que j'avais créé il y a longtemps, et il a fonctionné sans problème. C'est bien. Je ne me souviens pas bien, mais je crois que c'est une fonction appelée "fitting" qui exécute un traitement de "réduction" sur une fonction périodique avec du bruit, et qui affiche le résultat sous forme de graphique. Les points représentent les données brutes originales, et la forme d'onde représente le graphique réduit. En effectuant un ajustement sur des données dont la réponse est connue, on peut vérifier la justesse de la méthode.

■ Données démographiques
C'est un exemple que j'ai créé il y a longtemps à des fins d'apprentissage. Il utilise des données démographiques pour, en quelque sorte, prévoir l'avenir et afficher les résultats sous forme de graphique.

■ Approximation des cours de bourse
J'ai essayé d'approximer et de prédire les données de cours de bourse d'une entreprise, que j'ai trouvées sur le web, en utilisant un simple graphique, mais comme je n'ai fait que jouer avec ça pendant environ une heure, le résultat n'est pas vraiment utile. J'ai l'impression que je dois étudier davantage. J'aimerais qu'il existe une "théorie" appropriée. C'est bien pour le plaisir, mais ce serait plus intéressant si cela pouvait être utile.
Points bleus : cours de bourse réels.
Ligne rouge : graphique approximé.
Données : 6754, Anritsu Corporation.

J'ai passé quelques heures à manipuler et à jouer avec.
■ Points bleus : cours réels passés des actions.
■ Ligne rouge : graphique approximatif des cours passés (côté gauche) et graphique de prédiction future (côté droit). L'hypothèse est d'utiliser uniquement les données des points bleus pour prédire l'avenir.
■ Jaune : réponse pour les cours futurs des actions.
Si le graphique rouge futur correspond aux cercles jaunes, cela signifie que la prédiction est précise, mais bien sûr, cela ne correspondra pas parfaitement du premier coup. Les données originales présentent des mouvements "anormaux" (exceptions) d'un point de vue mathématique, ce qui provoque des "bizarries" dans le graphique approximatif et perturbe le résultat.
Si la prédiction des cours des actions était aussi simple, ce serait incroyable... Ce domaine est difficile, mais si l'on considère cela comme un simple jeu, ce sujet est difficile et intéressant. Peut-être que si quelque chose d'utile en ressort (ce qui est peu probable), cela pourrait être utilisé.
Bon, pour l'instant, c'est un bon sujet pour un après-midi de jeu et d'apprentissage.
Données : 6754, Anritsu Corporation.

Des graphiques qui semblent utiles pour l'analyse des cours de bourse commencent à apparaître.
■ Le graphique violet à droite : cours de bourse prévus.
■ Le cercle jaune à droite : cours de bourse réels futurs.
Ils ressemblent un peu. Selon les paramètres, cela peut fonctionner ou être incorrect, et il y a donc une variation de précision, mais c'est beaucoup mieux qu'avant. Si on peut obtenir cette précision avec un outil créé rapidement, c'est assez bien, non ?
Je n'utilisais pas les mathématiques depuis un certain temps, donc je les avais oubliées, mais je me suis souvenu de certaines choses en essayant et en me trompant. Cela dit, je ne comprends toujours pas la formule appelée "régression de processus gaussien" qui a produit cela. Ce n'est pas que je suis génial, mais la documentation complète de MatLab est formidable. Bon, même si on ne la comprend pas, on obtient au moins une réponse, mais il semble qu'il faut étudier les mathématiques plus en profondeur pour pouvoir l'appliquer.
Si ça marche, je pourrais peut-être créer un site web de prévisions boursières par hobby ? (rire)

Je ne sais pas si je vais vraiment le faire, mais j'ai créé une page d'accueil simple pour un site d'analyse boursière afin que Google le reconnaisse plus rapidement. Ce genre de projet prend généralement plusieurs mois ou années, il est donc préférable de créer le site pour commencer.
Il y avait étonnamment des noms de domaine courts disponibles et j'ai pu en obtenir un.
Prévisions de prix des actions par IA - https://kabu2u.com
https://kabu2u.com

■ LSTM (long short-term memory network) de l'IA
J'ai essayé le LSTM.
MatLab est incroyable (même si je ne comprends pas encore le contenu mathématique). On peut créer des choses comme ça très rapidement. (Je n'ai pas essayé avec Python, donc je ne peux pas faire de comparaison).
Je viens de rentrer du yoga et je pensais faire une petite recherche et une expérience avant de me coucher, mais MatLab me permet de créer ça rapidement sans problème. C'est incroyable.
Le LSTM est utilisé pour effectuer un apprentissage profond (deep learning). C'est ce qu'on appelle l'IA, mais ce n'est pas une IA aussi incroyable qu'Atom dans les mangas, mais plutôt un apprentissage automatique de ce type.
Le code est directement tiré d'un exemple, mais à chaque fois que je le répète, les résultats de l'apprentissage sont différents, et il y a des moments où l'IA est intelligente et d'autres où elle est stupide. L'image ci-jointe semble être un bon élève. L'arrière-plan est l'écran qui apparaît pendant l'apprentissage, et le graphique en avant est la prédiction. Il ressemble beaucoup au graphique réel, c'est incroyable. Bien sûr, il y a aussi des moments où des élèves stupides sont créés, donc le fait que les résultats ne soient pas stables est à la fois un avantage et un inconvénient de l'apprentissage profond (deep learning). Quand un bon élève est créé, je suis souvent surpris. Je vais peut-être regarder plus en détail ce qui se passe à l'intérieur à partir de demain.

Je vais essayer de prédire la deuxième moitié des données en utilisant la première moitié.
Bien sûr, l'erreur est grande vers la fin, mais la précision est assez élevée autour des points de jonction.
L'IA est incroyable...
J'ai l'impression que les humains ne peuvent pas gagner contre ça.

La dernière fois, j'ai entraîné le modèle avec une seule donnée (le cours de clôture uniquement). J'ai essayé de l'entraîner avec une combinaison de cours d'ouverture, cours maximum, cours minimum, cours de clôture et volume, mais il n'y a pas beaucoup de changement... En fait, il est très probable que j'aie fait une erreur quelque part. Je ne comprends pas bien. Je connais les bases théoriques de l'apprentissage profond, mais essayer de comprendre un algorithme aussi complexe qu'un LSTM (long short-term memory network) me donne l'impression que mon cerveau va exploser.

J'avais entendu dire que l'apprentissage profond consomme beaucoup de puissance CPU pour l'entraînement, donc je devrai peut-être acheter une puce matérielle. Pour l'instant, j'utilise un ordinateur portable, donc je vais chercher une puce USB... Je ne peux pas insérer une carte graphique.

Hoho. Selon mon soi-disant IA, le prix de l'action 1332 N est actuellement à 812 et devrait probablement rester stable pendant un certain temps. Ceci est indiqué par la ligne rouge dans le coin supérieur droit. Le prix de l'action prédit dans deux semaines est de 822, ce qui représente une augmentation de seulement 1 %. Par conséquent, ce n'est pas le bon moment pour acheter. Si vous possédez actuellement l'action, il pourrait être judicieux de la vendre et de la convertir en espèces. (Veuillez ne pas croire ceci. Je l'écris comme une blague. Je fais cela comme un passe-temps, et mon IA est un enfant mignon qui vient de naître. Je serais contrarié si quelqu'un achetait sur la base de cela, et je ne peux pas assumer la responsabilité.)

Depuis hier soir, j'ai analysé toutes les actions cotées à la bourse de Tokyo. L'analyse des 360 jours précédents (maximum) prend environ 1 minute par action. J'utilise un ordinateur portable Mac avec un processeur Intel Core i7. J'en ai terminé environ 1200, mais il reste 2400 à analyser. D'après les statistiques, environ 10 actions pourraient potentiellement augmenter de 10%. L'IA estime donc qu'une action sur 100 a le potentiel de progresser. Cependant, les prédictions de l'IA peuvent varier, et en exécutant la même analyse plusieurs fois sur la même action, les résultats peuvent être différents. Je ne fais pas encore entièrement confiance à l'IA, car je ne veux pas acheter mécaniquement en me basant uniquement sur ces résultats. Cependant, des actions inattendues peuvent apparaître, et je ne pourrais jamais vérifier toutes les actions de la bourse de Tokyo moi-même, donc je peux utiliser cela pour affiner ma sélection. À partir des 3600 actions cibles, environ 30 à 40 actions sont sélectionnées comme candidates, puis je les affine davantage pour en avoir 10 ou moins, ce qui serait idéal.

Les devises (FX) sont également analysées par l'IA. Cependant, l'analyse est effectuée pour chaque devise, donc il est incertain si cela est utile. Pour l'instant, je vais simplement observer. Le marché des changes est difficile, vous savez...

J'effectue une analyse boursière par intelligence artificielle sur mon ordinateur personnel (ce qui prend beaucoup de temps), et dans l'après-midi, je prévois d'aller au mont Takao. Les actions qui ont le mieux fonctionné et dont les attentes sont en hausse, et qui sont apparues ce matin, ont donné des résultats modérés (je ne les ai pas encore achetées), mais il y a encore beaucoup de fluctuations. Il pourrait y avoir une méthode où j'achète une seule unité de chaque action et vends rapidement celles qui baissent, tout en conservant celles qui augmentent. En fin de compte, il est impossible de savoir lesquelles vont augmenter.

La prédiction indique : "Bonne fortune. Bien que vous ayez connu de nombreuses difficultés, votre chance s'ouvre enfin, et vos inquiétudes disparaîtront, et les choses réussiront."
Je me demande si cela va se réaliser ?

Pendant une semaine, j'ai expérimenté en achetant des actions sélectionnées par l'IA.
J'ai réduit à environ 30 actions en utilisant les prédictions de l'IA, puis j'ai vérifié moi-même et réduit à environ 10 actions, et j'ai acheté quelques-unes dont les graphiques semblaient bons.
La semaine dernière, le marché était bon, donc ces actions ont donné un résultat "globalement résilient, ne baissant pas beaucoup. Certaines actions ont augmenté", ce qui est plutôt bien. Ce n'est pas une augmentation explosive, mais tant qu'on ne perd pas, c'est acceptable. Globalement, cela s'est terminé avec une augmentation de quelques pourcents en une semaine. C'est un résultat plutôt satisfaisant pour une expérience.
Cependant, aujourd'hui (lundi), le marché de Tokyo s'est effondré en suivant le marché de New York, et certaines de ces actions ont été entraînées dans cette chute, ce qui a annulé les gains. Bien sûr, même avec l'IA, on est entraîné dans les krachs... Le marché global est évidemment plus fort.
Pour l'instant, l'IA analyse chaque action individuellement, et je ne lui ai pas donné d'informations sur la relation avec le marché de New York. Je pense qu'il est nécessaire d'enseigner cela à l'IA.
Plutôt que de lui faire mémoriser les relations, il serait peut-être possible de simplement lui faire prédire le marché de New York seul, et si elle prévoit une baisse, de réduire légèrement les positions à l'avance.
(Cette image n'a rien à voir avec les actions que j'ai achetées.)

■Google TPU
Il était écrit que le délai de livraison était de 3 semaines, mais en réalité, il est arrivé en environ 10 jours. C'était plus rapide que prévu.
Je ne peux pas l'utiliser avec Matlab, donc je vais essayer de l'utiliser avec Python plus tard.

■Première expérience avec Python
Étant donné que c'est ma première fois avec Python, j'ai essayé de lire des données déjà analysées avec Matlab et de les afficher sous forme de graphique.
Cela pourrait être une alternative à Matlab.
Peut-être que je n'ai pas besoin d'acheter Matlab ?
Si je peux passer à Python pendant la période d'essai de Matlab, je ne l'achèterai probablement pas, mais Matlab est facile à utiliser, donc je suis hésitant quant à savoir si je vais l'acheter ou non.
Il peut également être utilisé pour d'autres choses que l'IA.
Seul Python peut utiliser les puces d'IA de Google, ce qui n'est pas possible avec Matlab, donc la conversion vers Python est indispensable, quoi qu'il en soit.
Python a une syntaxe étrange, ou plutôt une particularité du langage, que l'on ne voit pas souvent dans d'autres langages, ce qui est intéressant ou, disons, ambigu, mais l'avantage est qu'il est possible d'utiliser des tableaux, ce qui compense les inconvénients de cette syntaxe étrange.
Bon, c'est une question de s'y habituer.
Il reste également à remplacer la partie principale de l'IA, mais ce n'est pas encore fait.

Récemment, j'ai implémenté en Python une analyse de régression par processus gaussien (Gaussian Process, GP), que j'avais déjà réalisée en Matlab. Bien que je l'ignorais en utilisant Matlab, les résultats varient considérablement en fonction des paramètres, donc j'ai implémenté avec les paramètres les plus simples pour l'instant. Ce n'est pas le sujet principal, car le sujet principal est l'IA, donc c'est acceptable pour l'instant. Je l'utilise depuis quelques jours, mais je commence à m'habituer à Python.

La difficulté est que la vitesse d'exécution de Python est plus lente que celle de Matlab, ce qui signifie qu'il faut attendre quelques secondes pour chaque analyse. Matlab est vraiment excellent. Il est courant de dire que Python est lent, mais comme j'ai acheté une puce IA récemment, les analyses d'IA devraient être rapides avec Python, donc ce ne devrait pas être un problème. La puce est dédiée à l'IA, donc il est inévitable que les autres traitements soient lents.

■TensorFlow
Aujourd'hui, j'ai essayé de mettre en œuvre de l'IA avec TensorFlow 2 + Python 3, mais la plupart des informations disponibles sur Internet concernent TensorFlow 1, et il y a peu d'exemples pour TensorFlow 2. J'ai réussi à créer un prototype après plusieurs essais, mais les valeurs de sortie sont étranges et je n'obtiens pas les bonnes réponses. Avec Matlab, je pouvais le créer rapidement en une journée, mais cela va prendre un peu plus de temps ici. Matlab est vraiment facile à utiliser, étant donné qu'il s'agit d'un produit. Je commence à m'habituer à Python, donc je pense que je vais pouvoir y arriver, mais c'est fastidieux d'avoir des règles et des conversions spécifiques à chaque bibliothèque.

À part cela, la puce TPU pour l'IA que j'ai achetée chez Google semble être conçue pour être utilisée avec un Raspberry Pi, donc je suis en train de réinstaller un Raspberry Pi que j'avais acheté et laissé de côté. Il semble que cela puisse être utile de manière inattendue. Je n'avais pas de boîtier pour le Raspberry Pi, mais comme je pense que je vais l'utiliser pendant longtemps, j'ai acheté un boîtier. Au début, lorsque je l'ai allumé pour la première fois depuis longtemps, il ne fonctionnait pas, et lorsque j'ai essayé de retirer la carte Micro SD, elle s'est cassée, donc je vais devoir en acheter une nouvelle. Je suis en train de réinstaller le système d'exploitation. C'est fastidieux, mais je n'ai pas le choix.

■ Simulation des gains et pertes des actionnaires
Simulation simplifiée des gains et pertes des actionnaires, avec graphiques.
Le graphique ci-dessus montre l'évolution réelle du cours de l'action et une équation approximative. Le graphique du milieu est celui qui a été ajouté cette fois, et il indique que les valeurs supérieures à zéro représentent des bénéfices et les valeurs inférieures, des pertes. Le graphique suppose que, en moyenne, tous les actionnaires réalisent des bénéfices lorsque le graphique est supérieur à zéro, et qu'ils subissent des pertes lorsqu'il est inférieur. Comme nous ne savons pas qui a acheté ou vendu, nous supposons que, en moyenne, tous les actionnaires effectuent des transactions. Malgré cette hypothèse, un graphique étonnamment pertinent apparaît. Si le graphique est inférieur à zéro, cela signifie que tout le monde subit des pertes, et s'il est supérieur, cela signifie que tout le monde réalise des bénéfices.
On peut constater que, vers novembre 2018, le cours de l'action a baissé, ce qui a entraîné une augmentation du nombre de personnes subissant des pertes, et que la situation s'est maintenant stabilisée. Cependant, cela ne permet pas de déterminer s'il faut acheter ou non à ce moment-là. Au contraire, cela pourrait fonctionner comme un indicateur qui suggère de ne pas acheter. En avril 2018, le cours de l'action n'a pas beaucoup varié, mais certaines personnes ont réalisé des bénéfices grâce à un rebond, mais, à part cela, la plupart ont subi des pertes.
Il s'agit d'une simple simulation, et non d'une intelligence artificielle ou d'un apprentissage automatique. Cependant, il se peut que ce type de simulation soit utile de manière discrète.

■ Simulation des gains potentiels des actionnaires
Analyse plus approfondie. Simulation des gains potentiels des actionnaires et affichage sous forme de graphique. Cela commence à ressembler à quelque chose.

Avec ce nouveau graphique, on peut par exemple remarquer les points suivants :
■ Le cours de l'action a augmenté plusieurs fois, mais jusqu'à la fin, le gain potentiel moyen de tous les actionnaires est étonnamment faible (①).
■ Lors de la dernière chute brutale du cours de l'action (②), le gain potentiel n'a pas diminué de manière significative (③). Cela donne l'impression que des bénéfices ont été réalisés à des niveaux plus élevés.
■ Lors de la dernière chute brutale du cours de l'action (④), le volume des transactions a augmenté, et simultanément, le gain potentiel a augmenté (⑤). Cela signifie peut-être que les gros investisseurs ont profité de la vente panique des petits investisseurs pour rebondir et réaliser des bénéfices.
Des choses qui étaient invisibles jusqu'à présent deviennent visibles. L'analyse est intéressante.

Maintenant, analysons cette action. C'est une certaine société dont les nouvelles faisaient grand bruit, mais le cours de l'action a chuté considérablement (1).
En même temps que le cours de l'action baissait, les plus-values latentes (estimées) diminuaient également (2). Finalement, elle a touché un plancher avant de rebondir (3). Le rebond a entraîné une augmentation des plus-values latentes (4), mais en même temps, les gains et pertes des actionnaires sont négatifs (5. Tout ce qui est en dessous de la ligne rouge centrale est considéré comme une perte). Cela suggère que, bien que les plus-values latentes aient temporairement augmenté lors du rebond final, de nombreuses personnes n'ont pas pu réaliser ces gains et ont finalement subi des pertes, simplement parce qu'elles ont coupé leurs pertes. Il s'agit bien sûr d'une interprétation basée sur une simulation.
Bien que cette seule action ne représente pas tout, elle pourrait suggérer que "la probabilité de perdre est plus élevée que celle de gagner en visant un rebond". Le graphique montre clairement que, même en cas de rebond, les actionnaires moyens subissent des pertes.
D'après ce que l'on voit, il est peut-être préférable de ne pas investir dans des actions dont le cours est en baisse, en visant un rebond.

■ Moyenne mobile
Ajout de signaux d'achat et de vente basés sur la position au-dessus ou en dessous des moyennes mobiles (9 jours, 25 jours, 75 jours).
Il s'agit d'une implémentation directe de l'algorithme décrit dans un ouvrage de référence intitulé "Moyenne mobile : la méthode ultime pour la comprendre et l'utiliser".
Les couleurs situées au-dessus des signaux indiquent ce qui suit :
- Le rouge foncé indique un signal d'achat fort.
- Le vert foncé indique un signal de vente fort.
Les couleurs intermédiaires indiquent une position intermédiaire.

Bien qu'il s'agisse d'une méthode basée sur un ouvrage de référence, si vous suivez les signaux immédiatement après leur apparition, vous devriez pouvoir obtenir un certain profit.
Les bases sont essentielles.

■MACD
Affiche le MACD (MACD lui-même + moyenne du MACD + histogramme), un indicateur d'analyse classique.
Affiche également l'étape actuelle avec une étiquette.
Des lignes indiquent également le moment où l'étape a changé.

■RCI
Un indicateur boursier appelé RCI a été ajouté. L'indicateur RCI standard utilise deux lignes, une courte et une longue, mais j'ai ajouté un histogramme (un graphique à barres) similaire au signal du MACD pour faciliter la visualisation (les barres vertes dans la zone RCI sont celles-ci). Il est étonnant qu'il n'y ait pas cette fonctionnalité dans les outils boursiers ordinaires, et c'est très bien.
De plus, comme il est fastidieux de comparer à la fois le RCI et le MACD, un point rouge est placé entre les deux lorsque les deux sont positifs, et un point vert est placé lorsque les deux sont négatifs, pour faciliter la visualisation des signaux.
En regardant cela, on peut comparer la différence entre le signal de la moyenne mobile (au-dessus du RCI) et le signal ajouté cette fois (le signal situé entre le RCI et le MACD).
C'est une différence entre l'analyse à long terme et l'analyse à court terme. C'est assez intéressant. Le signal ajouté aujourd'hui semble être utilisable.

■ Graphique des mouvements à court terme
Le graphique affiche uniquement les mouvements à court terme en soustrayant la moyenne mobile (tendance) du prix initial de l'action. Cela permet de réduire l'influence de la tendance et de rendre les mouvements à court terme plus visibles.
(Le graphique varie en fonction de la période de la moyenne mobile utilisée, donc il tente de déterminer automatiquement et d'afficher une valeur qui se rapproche d'une série de nombres qui s'alignent horizontalement.)
Voici un exemple de graphique qui montre la différence entre le prix initial de l'action et la valeur de la moyenne mobile sur 89 jours.
Initialement, j'essayais de faire une analyse temporelle, mais après avoir effectué l'analyse, peu de caractéristiques périodiques intéressantes sont apparues, alors j'ai affiché uniquement le graphique que j'avais obtenu en cours de route. Ce graphique pourrait être utile tel quel.

■ Règles de Donchian
J'ai modifié la visualisation de la règle connue sous le nom de « acheter lorsque le prix dépasse le plus haut des quatre semaines, vendre lorsque le prix descend en dessous du plus bas des quatre semaines », et maintenant, si le cours de clôture du dernier jour dépasse le seuil, une étiquette est affichée. Cela rend la visualisation beaucoup plus claire.
Bien que de nombreuses règles aient été établies, il est important de vérifier quelles règles sont réellement efficaces, car sinon, il y a trop de signaux, ce qui rend l'utilisation plus difficile.
Je prévois de faire une simulation pour vérifier cela.

■Simulation
La simulation affiche en rouge ou en vert si le prix atteint un seuil de +5% ou -5% par rapport au prix de clôture de la journée, si vous aviez acheté à ce prix.
Cela permet de déterminer plus facilement une indication de "où il est préférable d'acheter" et "où il est préférable de vendre".
Il semble que l'histogramme (graphique à barres) de l'indicateur RCI, et notamment si une petite pointe apparaît, puisse être utilisé comme un signal.
Pour information, il s'agit d'une entreprise dont l'activité principale est la conception de circuits intégrés graphiques 3D, qui a acquis une chaîne d'instituts de beauté très connue. Ceux qui connaissent le secteur connaissent probablement cette entreprise, mais son cours de bourse est extrêmement étrange. Elle affiche un chiffre d'affaires de 500 milliards de yens, mais est en perte opérationnelle, et sa capitalisation boursière est de 3,4 milliards de yens. Même si elle est en perte, elle a un flux de trésorerie largement positif, et la "prime de fusion" est un fardeau comptable pendant 5 ans, mais cela se terminera dans quelques années. Il y a de fortes chances qu'elle se redresse à l'avenir. Il est impossible qu'une entreprise avec un chiffre d'affaires de 500 milliards de yens et une rentabilité de 50 milliards de yens ait une capitalisation boursière de 3,4 milliards de yens. Au minimum, le chiffre devrait augmenter jusqu'à atteindre un chiffre positif, et normalement, il devrait être équivalent au chiffre d'affaires, donc la limite serait une capitalisation boursière de 500 milliards de yens, ce qui en ferait un candidat potentiel pour un gain de 10 fois. Même si elle n'atteint pas ce niveau, si la rentabilité devient visible, on peut s'attendre à un doublement à partir de maintenant. Il existe une possibilité qu'elle soit encore plus fortement baissée par de grosses opérations. Étant donné que le cours de l'action est déjà étrange, je ne serais pas surpris si elle était divisée par deux à partir de maintenant. En fait, je la surveille depuis la fin mars, et j'ai effectué plusieurs achats et ventes, mais la baisse après les avantages reçus à la fin mars (bons pour les instituts de beauté) a été terrible (rire). De plus, peu de temps après, de grosses ventes ont fait baisser le cours de 10% d'un coup. Elle pourrait encore baisser à partir de maintenant, mais il y a les résultats trimestriels le mois prochain, et les entreprises liées aux soins de la peau sont des entreprises qui plaisent aux femmes en été (car elles exposent leur peau, elles ont envie d'aller aux instituts de beauté). C'est une entreprise intéressante pour les six prochains mois.
→ Mais après avoir fait des recherches supplémentaires, il s'avère que le chiffre d'affaires est probablement une illusion comptable. Les résultats financiers sont un peu suspects.

■Se rapprocher de l'équivalence de Matlab
Implémentation de l'IA (apprentissage profond) en Python + TensorFlow (version 2). Il s'agit de traitements quasiment identiques à ceux effectués avec Matlab.
Le point vert situé au centre droit du graphique représente le prix futur des actions prédit par l'IA. Les résultats sont assez similaires à ceux obtenus avec Matlab, donc les bases sont les mêmes.
Au début, j'avais du mal à comprendre les particularités de la syntaxe de TensorFlow (version 2), ce qui rendait la création difficile, mais après avoir trouvé des exemples, je suis parvenu à la réaliser sans problème. Je n'ai pas encore utilisé les puces Google TPU, et l'exécution sur le CPU de mon Mac est évidemment lente. Je me demande de combien de temps cela réduira l'exécution si j'utilise les puces Google TPU. Je vous en parlerai une autre fois.
C'est quelque chose d'aussi simple, mais est-ce que cela signifie que je peux me considérer comme faisant partie du monde des ingénieurs en IA (avec un sourire amer) ?

■FX
J'ai modifié le système pour qu'il prenne en compte également les taux de change (USD) afin de prévoir les cours des actions. Jusqu'à hier, le système ne considérait que le cours des actions des entreprises concernées (une seule variable), mais maintenant, il prend en compte le cours des actions et les taux de change USD (deux variables).
Cependant, à première vue, les résultats ne semblent pas beaucoup changer... Il est nécessaire de vérifier. Il se pourrait qu'il n'y ait pas beaucoup de corrélation. Il est peut-être possible que cela fonctionne pour les grandes capitalisations de la Bourse de Tokyo. Je vais essayer d'ajouter d'autres éléments.

Ensuite, analyse avec les trois variables : « cours de l'action, volume, taux de change USD (FX) ».
Comme je peux facilement transformer une variable en deux, passer à trois variables est très rapide.
Bon, visuellement, ça ne change pas beaucoup.
La question est de savoir quelle est la précision.
Faut-il peut-être inclure le Dow Jones ?



■Google TPU n'est pas compatible avec LSTM.
J'ai essayé de faire fonctionner une puce Google TPU (USB) sur un Raspberry Pi, mais il s'est avéré que la fonction LSTM (RNN) que je voulais utiliser n'était pas prise en charge, et qu'elle ne prend en charge que la classification, etc. Je me suis senti un peu découragé, mais j'ai appris quelque chose, donc c'est peut-être pas si mal. C'est pour ça que la puce est bon marché. C'est incroyable que même un jouet aussi incomplet puisse être vendu, vraiment. Cela semble être bon pour des applications spécifiques telles que la reconnaissance de mouvements.

・L'installation de la bibliothèque TensorFlow a pris facilement 30 minutes ou 1 heure. Le Raspberry Pi est extrêmement lent.
・Par défaut, il utilisait TensorFlow version 1, et il semblait nécessaire de le compiler à partir du code source pour la version 2, alors j'ai essayé de créer un environnement de compilation, mais la construction d'un outil appelé Bazel a pris plus de 24 heures, et finalement, la dernière version de Bazel n'était pas prise en charge, alors j'ai dû reconstruire Bazel à partir d'une version plus ancienne, ce qui a été un travail supplémentaire. Même ainsi, TensorFlow version 2 ne fonctionnait pas correctement. Je me suis senti un peu découragé. J'ai échoué avec le système d'exploitation standard du Raspberry Pi, alors j'ai essayé de l'installer sur Ubuntu, mais le même problème s'est produit. J'ai fait un travail supplémentaire, mais je suis retourné au système d'exploitation d'origine.
・Le Raspberry Pi a un processeur Arm, donc les bibliothèques et les conteneurs Docker standard fournis par Google TPU ne fonctionnent pas directement et ne sont limités à ceux spécifiques au Raspberry Pi, ce qui est peu pratique.
・Le Python standard du système d'exploitation était la version 3.5, alors j'ai d'abord compilé la version 3.7 à partir du code source, mais il semblait que TensorFlow ne la supportait pas, alors j'ai installé la version 3.6, mais cela n'a pas beaucoup changé, alors je suis retourné à la version 3.5 standard.
・Je pensais que le problème pourrait être les bibliothèques, alors j'en ai compilé quelques-unes à partir du code source, mais cela ne fonctionnait toujours pas.
・Finalement, j'ai conclu que l'utilisation de TensorFlow via Keras ne faisait pas une grande différence entre la version 1 et la version 2, et j'ai confirmé que les deux versions fonctionnaient sur mon Mac.
・Google TPU ne prend pas en charge "l'entraînement à partir de zéro" lui-même, mais ne prend en charge que le "réentraînement", et j'ai découvert qu'il fallait créer un modèle sur un CPU, puis appliquer une conversion spéciale, puis effectuer une conversion supplémentaire sur une page dans le cloud pour pouvoir l'utiliser. Cependant, cette conversion ne prend pas en charge LSTM/RNN, que je veux utiliser. Je me suis senti un peu découragé.

Je me demande si je devrais acheter un PC bon marché et un GPU NVIDIA, ou si je devrais me contenter de mon PC actuel...

■ Création d'un site d'analyse de prix des actions par IA
https://kabu2u.com
https://kabu2u.com
J'ai mis à jour un site d'analyse de prix des actions par IA, bien que de manière simple. Je vais progressivement ajouter des actions dont la volatilité est élevée. Je ne sais pas à quel point je devrais être précis, donc pour l'instant, je ne publie que des données anciennes, datant de deux semaines après l'analyse. Je ne publierai pas encore de prédictions futures, car cela serait fastidieux de recevoir des plaintes. Peut-être que si la précision s'améliore à l'avenir, je pourrais rendre les prédictions futures payantes. Quoi qu'il en soit, la précision n'est pas encore très bonne, donc je pense qu'il est préférable de commencer par quelque chose comme ça.

■ Analyse des vagues d'Elliott
Je suis en train de tenter une analyse des vagues d'Elliott. (Pour savoir ce que sont les vagues d'Elliott, veuillez faire une recherche sur Google).
J'ai essayé de faire en sorte que l'IA détermine quelle vague est en cours, en fonction de la forme d'onde réelle, mais cela semble difficile, donc je change d'approche.
Je pense simuler les vagues d'Elliott, faire apprendre les résultats de la simulation à l'IA, puis faire des prédictions.
Tout d'abord, j'ai affiché un graphique en alternant les nombres de Fibonacci avec des signes positifs et négatifs, comme on le voit dans le graphique en haut à gauche, mais comme c'est, cela donne des valeurs négatives (il ne peut pas y avoir de valeurs négatives pour le prix des actions), je l'ai donc élevé linéairement pour qu'il soit globalement positif, comme on le voit dans le graphique en haut à droite. Hum... quelque chose ne va pas. Ce n'est pas seulement une élévation linéaire, mais une élévation par une courbe quadratique, comme on le voit dans le graphique en bas à gauche. C'est plutôt bien, mais quelque chose ne va pas. Mais comme les mouvements réels des prix des actions sont souvent incompréhensibles, cela pourrait être suffisant.
Pour l'instant, j'ai réussi à dessiner un graphique, donc je vais créer des prix factices à partir de celui-ci, puis les analyser avec l'IA. Le graphique obtenu est celui en bas à droite.
Bien que j'aie fait apprendre cela à l'IA, la précision réelle que nous pouvons obtenir en l'utilisant pour des prédictions réelles est encore à déterminer.



■Construction d'un PC dédié à l'analyse par IA
J'ai installé Ubuntu Linux sur mon ordinateur portable (PC secondaire). Il y avait initialement Windows, mais comme il se bloquait toutes les quelques heures lorsque j'exécutais des analyses d'IA, ce qui empêchait l'analyse, j'ai installé Linux Ubuntu, et il est devenu incroyablement fluide. Il semble que l'époque où la fluidité de Linux dépasse celle de Windows ait commencé. Les versions récentes de Windows sont instables et lentes, et j'ai l'impression de me faire du mal moi-même. Pour les logiciels de bureau, j'ai besoin de WORD/Excel, donc je dois utiliser Windows, mais à part cela, il semble que l'époque où Windows n'est plus nécessaire soit en train d'arriver. Si je devais en construire un maintenant, en le basant sur une architecture web et en éliminant la nécessité de Word/Excel/PowerPoint, il ne me faudrait plus Windows. J'aime fondamentalement Microsoft, mais je suis vraiment frustré par l'instabilité des versions récentes de Windows. De plus, la vitesse d'exécution est plus rapide sous Linux. Les puces Google TPU (USB) fonctionnent également normalement.

■ Caractéristiques extraites et analysées
Nous extrayons et analysons des caractéristiques qui semblent être dans le champ de conscience des gens. Selon la valeur, nous pouvons parfois obtenir une précision raisonnable.
L'apprentissage profond est fondamentalement une imitation du fonctionnement des neurones du cerveau. Il est logique que la précision augmente en décomposant les caractéristiques à l'avance en tant que données d'entrée. Cependant, si nous nous spécialisons de cette manière, la précision chute considérablement pour les valeurs qui ne sont pas liées à ces caractéristiques. L'analyse des cours boursiers est intrinsèquement difficile, il est donc peut-être préférable de considérer que toute condition utilisable est un avantage.
Si ces caractéristiques ont un sens, les erreurs diminuent progressivement pendant l'apprentissage profond et convergent. Cependant, si elles ne convergent pas, il se peut qu'il y ait un bug dans les valeurs des caractéristiques, ou que ces caractéristiques n'aient tout simplement aucun sens (!). Cette dernière réalisation est novatrice, et il est possible que l'apprentissage profond révèle que des théories qui sont généralement considérées comme "évidentes" dans le monde des actions n'ont en réalité aucun sens. Par exemple, on dit souvent que le croisement à la hausse d'une moyenne mobile à court terme et d'une moyenne mobile à long terme est un signal d'achat (golden cross), et des choses similaires sont dites à propos du MACD. Cependant, il se peut qu'il n'y ait en réalité aucun sens à cela (!), et c'est ce que suggère l'analyse de l'apprentissage profond. La suite demain.

■Suivi de tendance
L'analyse technique semblait peu précise, donc j'ai créé une IA qui suit simplement la tendance. Il est inévitable qu'elle soit faible face aux fortes baisses ou aux fortes hausses, mais en matière de suivi de tendance, elle a donné des résultats relativement bons par rapport au passé, donc je pense que c'est bien. La ligne rouge épaisse représente les prédictions de l'IA. Peut-être que ce type d'utilisation est plus adapté à une machine. Le suivi de tendance peut être ennuyeux pour les humains, mais comme il s'agit d'une machine, il suffit de lui faire effectuer ce travail de manière monotone.

Dans l'analyse technique, j'ai traité les valeurs d'entrée et essayé diverses méthodes, mais cette approche de suivi de tendance est très simple sur le plan algorithmique. Cependant, si la combinaison des paramètres est subtile, elle peut ne pas fonctionner correctement, donc même si l'algorithme est simple, la difficulté de trouver le point optimal est peut-être ce qui convient le mieux à l'apprentissage profond.

■Version initiale du site de prédiction de prix des actions par IA
Prédiction de prix des actions - https://kabu2u.com
https://kabu2u.com
La version initiale est terminée. Il est possible de revoir les modèles ou d'utiliser davantage de puissance de calcul pour une analyse plus approfondie, mais compte tenu du rapport coût-efficacité, il semble que ce stade soit une bonne limite pour le moment. Il y a encore beaucoup d'idées à essayer, mais c'est un résultat plutôt satisfaisant compte tenu du fait qu'il a été créé en deux mois et demi, en commençant par Matlab et en passant à Python+Tensorflow. Un mois a été consacré à diverses expériences. Un autre mois et demi ont été consacrés à l'adaptation au site et à diverses modifications. La précision est encore perfectible, mais l'analyse est actuellement prioritaire en termes de temps et est interrompue à mi-chemin, nous verrons donc comment la précision s'améliorera progressivement avec le temps. Des corrections qui prendront du temps, comme l'augmentation de la taille du modèle si la précision est insuffisante, seront effectuées patiemment à l'avenir, mais les bases sont en place. Pour le moment, l'affichage est trop simple, et des ajouts progressifs sont prévus.

■Ajout des lignes de support
Une ligne de support a été ajoutée, en supposant un achat au prix initial le jour suivant la date de prédiction. Cela rend l'affichage un peu plus clair.

■Graphiques en chandeliers
Conversion du graphique linéaire des prix de clôture en graphiques en chandeliers classiques. C'est vraiment comme ça qu'ils doivent être pour avoir l'air authentiques.



■Air Trade
J'ai inclus les données du trading aérien. En examinant cela, je devrais gagner plus d'argent, mais peut-être que la raison pour laquelle mes performances ne sont pas très bonnes est que je ne peux pas trader mécaniquement et que je suis trop impliqué émotionnellement.

■Examen de l'algorithme
J'ai examiné l'algorithme de trading aérien. J'ai publié les résultats du trading aérien pour toutes les actions sur la page d'accueil.

■Trading aérien avec une commande parfaite
J'ai essayé un trading aérien basé sur les lignes à court, moyen et long terme, en utilisant ce qu'on appelle communément la "condition de commande parfaite", mais les résultats n'étaient pas bons. Cela peut être dû aux mauvaises conditions actuelles du marché, ou cela peut être une "légende urbaine" similaire à l'analyse technique, où les raisons ne sont ajoutées qu'a posteriori.
Bénéfice/perte moyen +0,5 %, cumulé +0,6 %.

■Comparaison des algorithmes
J'ai simulé une comparaison de deux algorithmes : un qui achète si le prix d'ouverture du jour suivant est inférieur de quelques pourcent au prix de clôture du jour précédent, après que l'IA ait indiqué une tendance à la hausse, et un autre qui achète si le prix d'ouverture du jour suivant est égal ou supérieur au prix de clôture du jour précédent. Sur la base de l'intuition humaine, le premier, qui est "acheter à un prix inférieur", semble avoir de meilleures performances, mais en réalité, le second gagne. Étant donné que les prix des actions ont tendance à continuer à augmenter s'ils augmentent et à continuer de baisser s'ils baissent, ce résultat est compréhensible.
Le bénéfice/perte moyen pour chacun est de +2,0 % et +0,9 %, il peut donc être dû à une erreur.

■Erreur de calcul du trading aérien
J'ai fait une erreur dans le calcul du trading aérien. Oui. Je pensais que les résultats étaient trop bons. Les nouveaux résultats sont les suivants : environ -1 %.
Même si les conditions du marché ont été très mauvaises depuis le début de l'année, un bénéfice/perte de -1 % peut être considéré comme une bonne performance. Je veux croire que cela deviendra positif lorsque les conditions du marché se redresseront.

Air Trade 1 [Moyenne de toutes les actions cibles] Bénéfice/perte : +0,1 % (moyenne pondérée, accent récent) -0,1 % (moyenne, période entière) Cumul -1,3 % (période entière)
Air Trade 2 [Moyenne de toutes les actions cibles] Bénéfice/perte : -0,8 % (moyenne pondérée, accent récent) -0,7 % (moyenne, période entière) Cumul -1,5 % (période entière)
Air Trade 3 [Moyenne de toutes les actions cibles] Bénéfice/perte : -0,8 % (moyenne pondérée, accent récent) -0,7 % (moyenne, période entière) Cumul -1,6 % (période entière)
Air Trade 4 [Moyenne de toutes les actions cibles] Bénéfice/perte : -0,8 % (moyenne pondérée, accent récent) -0,7 % (moyenne, période entière) Cumul -2,2 % (période entière)
Air Trade 5 [Moyenne de toutes les actions cibles] Bénéfice/perte : -0,1 % (moyenne pondérée, accent récent) -0,1 % (moyenne, période entière) Cumul -0,8 % (période entière)

■Les conditions du marché sont importantes
Les conditions du marché étaient bonnes aujourd'hui, donc le bénéfice/perte est redevenu positif. Je dois le modifier pour qu'il devienne positif, quelles que soient les conditions du marché.

AirTrade 1 [Moyenne de tous les titres] : Bénéfice/perte : +0,5% (moyenne pondérée, recent) +0,1% (moyenne, période totale) Cumul : -0,0% (période totale)
AirTrade 2 [Moyenne de tous les titres] : Bénéfice/perte : +0,4% (moyenne pondérée, recent) +0,2% (moyenne, période totale) Cumul : -0,1% (période totale)
AirTrade 3 [Moyenne de tous les titres] : Bénéfice/perte : +0,1% (moyenne pondérée, recent) -0,0% (moyenne, période totale) Cumul : -0,5% (période totale)
AirTrade 4 [Moyenne de tous les titres] : Bénéfice/perte : +0,4% (moyenne pondérée, recent) +0,2% (moyenne, période totale) Cumul : -0,0% (période totale)
AirTrade 5 [Moyenne de tous les titres] : Bénéfice/perte : -0,3% (moyenne pondérée, recent) -0,4% (moyenne, période totale) Cumul : -1,4% (période totale)

■ L'IA reste une boîte noire
Des prédictions qui semblent correspondre ont commencé à apparaître, mais il y a aussi des résultats manifestement incorrects. Même si je, en tant qu'humain, pense que c'est incorrect, le prix réel des actions est encore plus incompréhensible, on pourrait dire que cela dépasse la compréhension. Le problème avec l'IA, ou plus précisément l'apprentissage profond, est que les résultats intermédiaires sont une boîte noire, ce qui rend difficile l'explication de la raison pour laquelle de tels résultats sont obtenus. Il existe une logique de base, donc on peut expliquer, mais il est difficile de l'expliquer en détail pour l'IA. Par conséquent, il est important de comparer les résultats avec la réalité pour voir s'ils sont corrects. Il semble que la tendance générale soit détectée, mais le "moment" où les prix augmentent ou diminuent est faible. Peut-être qu'il est préférable de se fier aux résultats de l'IA pour la tendance générale et de laisser les humains ajuster le timing.

De plus, lorsque je crée quelque chose comme ça, au travail, il y a toujours des personnes qui, en disant "ce n'est pas uniquement votre contribution", essaient de voler le crédit ou de réclamer une part des bénéfices, et qui critiquent et tentent de dévaloriser ma contribution. Lorsque je travaille seul, il n'y a personne d'autre, et comme je n'ai fait appel à personne en externe, il est évident que tout a été créé par moi, il n'y a donc personne pour saboter, voler le crédit ou réclamer une part des bénéfices, ce qui est très agréable. Au travail, il existe une contradiction selon laquelle il est plus valorisé de créer la même chose avec 10 personnes, même si cela prend plus de temps, que de la créer seul. Du point de vue du coût-efficacité, il serait 10 fois plus efficace de la créer seul, mais la création de la même chose avec 10 fois plus de coûts est plus valorisée. Les supérieurs qui ne connaissent pas bien l'informatique ne comprennent pas qu'il est possible de le créer seul. Parce qu'ils ne connaissent pas l'informatique, ils ont tendance à croire facilement les personnes qui semblent confiantes et qui présentent de grands projets. Parce qu'ils ne connaissent pas l'informatique, ils jugent en fonction du nombre de personnes plutôt que des résultats. De telles entreprises risquent de se laisser distancer dans la concurrence mondiale. Les ingénieurs informatiques ne restent pas longtemps dans de telles entreprises. J'espère que ce n'est pas le cas pour toutes les entreprises. En fin de compte, ceux qui sont en position de pouvoir jugent en fonction du nombre de personnes plutôt que de la technologie ou des résultats. L'industrie informatique est encore une société où l'"homme-mois" est valorisé, et le développement sur commande est un système où il est plus rentable de faire une "cérémonie" grandiose pour les clients qui ont de l'argent, même si cela peut être fait efficacement, plutôt que de simplement le faire. Il est impossible d'être payé en fonction des résultats. C'est pourquoi je n'aime pas le développement sur commande, et je ne fais confiance qu'aux entreprises ou aux particuliers qui utilisent l'informatique pour leurs propres activités. Bien sûr, si tout le monde était payé uniquement en fonction des résultats, de nombreuses personnes pourraient perdre leur emploi, et peut-être que l'industrie informatique, qui semble inutile, joue un rôle important dans le fait que les gens puissent gagner leur vie.



■ Surveillance d'Air Trade
La moyenne récente d'Air Trade 4 est passée à +4,3 %. Le nombre de titres surveillés a dépassé 300. Il se pourrait que ce ne soit qu'une simple erreur ou une question de chance, donc nous continuons à observer attentivement.

La formation du modèle d'IA se poursuit bien sûr. Nous apportons de petites améliorations chaque jour.

■ 5 victoires, 1 défaite.
Le trading simulé, basé sur les résultats de l'analyse précédente, a donné 5 victoires et 1 défaite. Ce n'est pas mal.
Bien sûr, il s'agit d'un trading simulé, donc je n'ai rien acheté réellement.

Le même jour, c'était encore plus incroyable. Wahou. C'est un Air Tre, vous savez.

■OCR
Je ne vais pas l'acheter, mais Sansan semble être sur le point de devenir une entreprise légendaire en matière d'introduction en bourse. C'est une entreprise qui a fait ses débuts en bourse avec des pertes, des ventes faibles, mais dont la capitalisation boursière est de 12 milliards de yens, ce qui est inexplicable.
Calcul approximatif du rendement du dividende de Sansan, en partant de prémisses optimistes. Cela ne se réalisera que si l'entreprise se développe comme le PDG le prétend. Si elle entre dans une ère de concurrence féroce, comme dans le cas des paiements mobiles, le cours de l'action risque de chuter continuellement. Techniquement, il est facile de l'imiter, il s'agit donc surtout d'un problème de marketing. Tout dépend de la réaction des grandes entreprises. En voyant ce taux de profit, on pourrait être tenté d'investir.

Sansan, est-ce juste un système qui utilise la reconnaissance optique de caractères (OCR) pour lire les cartes de visite ? Comment peut-on devenir une entreprise cotée en bourse et réaliser de gros profits avec ça ? L'idée de dominer le marché grâce au marketing, comme avec Amazon, est intéressante. Je pourrais essayer de créer une application de numérisation de texte basée sur l'IA, juste pour le plaisir. Et l'idée de créer un produit "compatible avec Sansan" pour voler tous leurs clients (rire), est-ce que c'est trop ? Pour l'instant, je vais essayer de créer une application qui déduit les chaînes de caractères des polices à partir d'images.

Et c'est ainsi que j'ai cherché des articles sur Sansan, et j'ai trouvé un article qui dit que la précision à 100% est nécessaire pour la popularisation, ce qui est une particularité japonaise.
https://www.itmedia.co.jp/news/spv/1906/17/news042_2.html
C'est étonnamment compliqué. C'est peut-être ce qui permet de se différencier, mais j'ai l'impression que les gens du monde entier ne demandent pas une telle précision.
D'ailleurs, les cartes de visite pourraient bien disparaître.

Il existe un système OCR open source de Google, donc je pourrais essayer de l'utiliser un jour.

■ Après
L'entraînement du modèle d'IA se poursuit quotidiennement, avec des ajustements fins constants, et le site est toujours en ligne. Je ne peux pas lutter contre la mauvaise conjoncture, et les résultats d'exploitation sont difficiles. Si la conjoncture est bonne, c'est d'environ 1%, mais c'est négatif lorsque la conjoncture est mauvaise. Peut-être que je devrais seulement l'utiliser lorsque la conjoncture est bonne. Il est difficile de l'utiliser tel quel, mais comme il est difficile de scanner toutes les actions soi-même, l'utiliser comme une méthode de sélection préliminaire semble être une bonne idée.

Période de création :
Mi-mars 2019 : Téléchargement de Matlab et début des expériences.
Début avril : Première tentative avec Python.
Fin avril : Version initiale du site d'analyse par IA terminée.
Fin mai : Le site d'analyse par IA est presque terminé.
Depuis, le modèle est entraîné en permanence sur un PC dédié, et les ajustements sont effectués en continu.