संख्यात्मक गणना प्लेटफॉर्म पर जो एआई भी कर सकता है, वह MATLAB व्यक्तिगत उपयोग के लिए उपलब्ध है।
https://jp.mathworks.com/pricing-licensing.html?intendeduse=home&prodcode=ML&fbclid=IwAR0zonp3Hw92OG7K7gv_xNsfmUuq993uUwimw8D2P2FoUafKSbjT08mQ5fI
मुझे इस बात का पता नहीं था कि यह इतनी कम कीमत पर बेचा जा रहा है... अगर मुझे पहले पता चल जाता... होम एडिशन कब से उपलब्ध है? पहले केवल दसियों हजार की कीमत वाले संस्करण थे, इसलिए व्यक्तिगत उपयोग के लिए लोग मुफ्त "R" का उपयोग करते थे। लेकिन अगर यह 1.6 लाख रुपये में उपलब्ध है, तो हर कोई इस सॉफ्टवेयर को चुनेगा, यह बहुत ही शानदार सॉफ्टवेयर है। यदि आप इसे गहराई से उपयोग करना चाहते हैं, तो यह क्षेत्र काफी मुश्किल है, लेकिन ऐसा लगता है कि यह 30 दिनों के लिए मुफ्त में उपलब्ध है, इसलिए मैं इसकी उपयोगिता की जांच करने के लिए, एक सरल स्टॉक विश्लेषण जैसे कि एक संक्षिप्त विषय के रूप में इसका उपयोग करने जा रहा हूं।

■फिटिंग
मैंने जो बहुत पहले बनाया था, वह एक शिक्षण नमूना, वह बिना किसी बदलाव के चल गया। यह अच्छा है। मुझे ज्यादा याद नहीं है, इसलिए मैं इसे फिर से सीख रहा हूं, लेकिन मुझे लगता है कि यह एक शोर वाले आवधिक फ़ंक्शन के लिए "फिटिंग" नामक फ़ंक्शन का उपयोग करके "अनुमान" प्रसंस्करण करता है और ग्राफ़ प्रदर्शित करता है। बिंदु मूल कच्चा डेटा है, और तरंग अनुमानित ग्राफ़ है। हम सही उत्तरों के साथ फिटिंग करके विधि की शुद्धता की पुष्टि कर रहे हैं।

■ जनसांख्यिकी
यह एक नमूना है जिसे मैंने पहले अध्ययन के लिए बनाया था। यह जनसांख्यिकी से भविष्य के रुझानों का अनुमान लगाता है और उन्हें ग्राफ़ के रूप में प्रदर्शित करता है।

■ शेयर की कीमत का अनुमान
मैंने इंटरनेट पर उपलब्ध शेयर की कीमतों के छह महीने के डेटा को एक साधारण ग्राफ के माध्यम से अनुमानित और भविष्यवाणी करने की कोशिश की, लेकिन यह स्पष्ट है कि मैंने केवल एक घंटे के लिए इसमें समय लगाया, इसलिए यह बिल्कुल भी उपयोगी नहीं है। मुझे लगता है कि मुझे और अधिक गहराई से अध्ययन करने की आवश्यकता है। यदि कोई अच्छा "सिद्धांत" होता तो अच्छा होता। यह खेल के रूप में ठीक है, लेकिन यदि यह उपयोगी भी हो जाए तो यह और भी दिलचस्प होगा।
नीले बिंदु: वास्तविक शेयर की कीमत।
लाल रेखा: अनुमानित ग्राफ।
डेटा: 6754 अन्रित्स कॉर्पोरेशन।

मैं कुछ घंटों से इसका उपयोग करके देख रहा हूँ।
■ नीला बिंदु: वास्तविक पिछले स्टॉक की कीमतें।
■ लाल रेखा: पिछले स्टॉक की कीमतों का अनुमानित ग्राफ (बाएं) और भविष्य के अनुमानित ग्राफ (दाएं)। यह मानते हुए कि केवल नीले बिंदुओं के डेटा का उपयोग करके भविष्य का अनुमान लगाया जा रहा है।
■ पीला: भविष्य की स्टॉक की कीमतों का उत्तर।
यदि भविष्य का लाल ग्राफ पीले वृत्त से मेल खाता है, तो इसका मतलब है कि अनुमान सटीक है, लेकिन निश्चित रूप से, यह तुरंत पूरी तरह से मेल नहीं खाता है। क्योंकि मूल डेटा में गणितीय रूप से असामान्य (अपवाद) गतिविधियाँ हैं, इसलिए अनुमानित ग्राफ में भी अजीब उभार दिखाई दे रहे हैं जो इसे बाधित कर रहे हैं।
अगर स्टॉक की कीमतों का इतना आसानी से अनुमान लगाया जा सकता, तो यह बहुत अद्भुत होगा... यह क्षेत्र मुश्किल है, लेकिन यदि यह सिर्फ मनोरंजन है, तो यह विषय उच्च कठिनाई स्तर का है और मजेदार है। शायद, यदि कुछ उपयोगी बन जाता है (जो कि शायद ही होगा), तो इसका उपयोग किया जा सकता है।
वैसे, फिलहाल यह आज दोपहर के मनोरंजन और सीखने के लिए एक अच्छा विषय है।
डेटा: 6754 अन्रित्स कॉर्पोरेशन।

शेयर की कीमतों का विश्लेषण करने के लिए उपयोगी ग्राफ धीरे-धीरे दिखाई देने लगे हैं।
■ दाईं ओर का बैंगनी ग्राफ: अनुमानित शेयर की कीमत
■ दाईं ओर का पीला वृत्त: वास्तविक भविष्य की शेयर की कीमत
यह कुछ हद तक समान दिख रहा है। पैरामीटर के आधार पर, यह ठीक काम कर सकता है या गलत भी हो सकता है, इसलिए सटीकता में भिन्नता है, लेकिन यह शाम की तुलना में काफी बेहतर है। इतनी आसानी से बनाकर, और इस सटीकता के साथ, यह काफी अच्छा है।
मैंने हाल ही में गणित का उपयोग नहीं किया है, इसलिए मैं इसे भूल गया था, लेकिन प्रयोग और त्रुटि के माध्यम से, मैं इसे धीरे-धीरे याद कर रहा हूं। हालांकि, अभी भी, "गॉसियन प्रक्रिया प्रतिगमन" नामक सूत्र जिसे मैंने उत्पन्न किया है, उसे मैं अभी तक नहीं समझ पाया हूं। मैं ही महान नहीं हूं, बल्कि MatLab का विस्तृत दस्तावेज़ बहुत अच्छा है। खैर, भले ही मैं इसे समझ न पाऊं, फिर भी मुझे उत्तर मिल जाता है, लेकिन इसे लागू करने के लिए, मुझे गणित का फिर से अध्ययन करने की आवश्यकता होगी।
यदि यह ठीक से काम करता है, तो मैं शौक के तौर पर एक शेयर मूल्य पूर्वानुमान वेबसाइट भी बना सकता हूं? (हंसते हुए)

मुझे नहीं पता कि मैं इसे कितनी गंभीरता से कर रहा हूं, लेकिन मैंने गूगल को जल्दी पहचानने देने के लिए एक स्टॉक विश्लेषण वेबसाइट का केवल होमपेज बनाया है। इस तरह की चीजें महीनों या वर्षों तक चलने वाली होती हैं, इसलिए वेबसाइट बनाना अच्छा है। आश्चर्यजनक रूप से, कुछ छोटे डोमेन नाम उपलब्ध थे और मैं उन्हें प्राप्त करने में सफल रहा।
AI स्टॉक पूर्वानुमान - https://kabu2u.com
https://kabu2u.com

■ AI का LSTM (लॉन्ग शॉर्ट-टर्म मेमोरी नेटवर्क)
मैंने LSTM का परीक्षण किया।
MatLab बहुत ही शानदार है। (हालांकि मैं अभी भी गणित की अवधारणाओं को नहीं समझ पा रहा हूं) यह आसानी से इस तरह की चीजें बना देता है। (मैंने इसे Python में नहीं आजमाया है, इसलिए मैं तुलना नहीं कर सकता)।
मैं अभी योग से वापस आया हूं, और मैं सोने से पहले 30 मिनट में इसे जल्दी से जांचना और प्रयोग करना चाहता था, लेकिन MatLab बहुत आसान है, जिससे मैं बिना किसी परेशानी के इसे बना पा रहा हूं।
यह LSTM, गहन शिक्षण (डीप लर्निंग) करने के लिए उपयोग किया जाता है। यह वह AI है जिसके बारे में हम सुनते हैं, लेकिन यह एटम जैसा अद्भुत AI नहीं है, बल्कि यह मशीन लर्निंग का एक रूप है।
कोड को सीधे नमूने से लिया गया है, लेकिन इसे कई बार दोहराने पर, हर बार सीखने के परिणाम अलग-अलग होते हैं, और कभी-कभी एक अच्छा AI बनता है और कभी-कभी एक खराब AI बनता है। इस संलग्न छवि में, यह एक ऐसा AI है जो अपेक्षाकृत अच्छा प्रदर्शन कर रहा है। पृष्ठभूमि में वह स्क्रीन है जो सीखने के दौरान दिखाई देती है, और सामने वाला ग्राफ "पूर्वानुमान" दिखाता है। यह वास्तविक ग्राफ के समान है, जो बहुत ही अद्भुत है। हालाँकि, कभी-कभी खराब AI भी बनते हैं, इसलिए परिणाम स्थिर नहीं होते हैं, जो गहन शिक्षण (डीप लर्निंग) का एक अच्छा और बुरा पहलू दोनों है। जब एक अच्छा AI बनता है, तो मैं वास्तव में आश्चर्यचकित हो जाता हूं।
मैं कल से इसमें क्या कर रहा हूं, इसके बारे में अधिक विस्तार से देखूंगा।

पहले वाले डेटा के आधार पर, मैं अगले आधे हिस्से का अनुमान लगा रहा हूँ। निश्चित रूप से, अंतिम भाग में त्रुटि बहुत अधिक है, लेकिन जहाँ दो भाग जुड़े हैं, वहाँ सटीकता बहुत अधिक है। एआई बहुत अद्भुत है... मुझे लगता है कि इस मामले में मनुष्य नहीं जीत सकते।

पिछले दिनों, मैंने केवल एक डेटा (केवल समापन मूल्य) का उपयोग करके प्रशिक्षण किया था। इसलिए, मैंने समापन मूल्य के अलावा शुरुआती मूल्य, उच्चतम मूल्य, निम्नतम मूल्य, समापन मूल्य और कारोबार की मात्रा के संयोजन का उपयोग करके डीप लर्निंग का प्रयास किया, लेकिन इसमें ज्यादा बदलाव नहीं आया... या, यह भी संभव है कि मैं कहीं गलती कर रहा हूँ। मैं इसे ठीक से नहीं समझ पा रहा हूँ। डीप लर्निंग के बुनियादी सिद्धांतों को तो मैं समझ सकता हूँ, लेकिन इस तरह के जटिल एल्गोरिदम, जैसे कि LSTM (लॉन्ग शॉर्ट-टर्म मेमोरी नेटवर्क), को समझने की कोशिश करने पर मेरा दिमाग घूम जाता है।

मैंने सुना है कि डीप लर्निंग को प्रशिक्षित करने के लिए बहुत अधिक सीपीयू शक्ति की आवश्यकता होती है, इसलिए शायद मुझे कुछ हार्डवेयर चिप्स खरीदने की आवश्यकता होगी। फिलहाल, मेरे पास एक सामान्य लैपटॉप है, इसलिए मैं USB चिप्स की तलाश करूंगा... क्योंकि मैं ग्राफिक्स कार्ड नहीं लगा सकता।

होहो। मेरे "नचाटे" एआई (कृत्रिम बुद्धिमत्ता) के अनुसार, 1332 एन के शेयर की कीमत वर्तमान में 812 है और यह कुछ समय के लिए स्थिर रहने की संभावना है। यह ऊपरी दाएं कोने में लाल रेखा वाला भाग है। दो सप्ताह बाद अनुमानित शेयर की कीमत 822 होगी, जो कि केवल 1% की वृद्धि है। इसलिए, यह खरीदने का समय नहीं है। यदि आपके पास अभी शेयर हैं, तो उन्हें बेचकर नकदी में बदलना उचित होगा। (कृपया इस पर विश्वास न करें। यह सिर्फ एक मजाक है। मैं इसे शौक के तौर पर कर रहा हूं। यह एक नवजात, प्यारी बच्ची एआई है। यदि कोई इस पर विश्वास करके खरीदता है, तो मुझे परेशानी होगी और मैं इसकी जिम्मेदारी नहीं ले पाऊंगा।)

कल रात से, टोक्यो स्टॉक एक्सचेंज के सभी शेयरों को स्कैन किया जा रहा है। पिछले 360 दिनों (अधिकतम) के विश्लेषण में, प्रत्येक शेयर के लिए लगभग 1 मिनट का समय लग रहा है। मैक लैपटॉप, इंटेल कोर i7 का उपयोग किया जा रहा है। अभी तक लगभग 1200 शेयर का विश्लेषण हो चुका है, लेकिन अभी भी 2400 शेयर बाकी हैं। विश्लेषण से पता चला है कि लगभग 10 शेयरों में से, 1 शेयर में अधिकतम 10% तक की वृद्धि की उम्मीद है। इसलिए, एआई का अनुमान है कि लगभग 100 शेयरों में से 1 शेयर में वृद्धि हो सकती है। हालांकि, एआई के पूर्वानुमान में भिन्नता होती है, इसलिए एक ही शेयर का बार-बार विश्लेषण करने पर कभी-कभी ऐसा पूर्वानुमान भी आ सकता है कि वह शेयर नहीं बढ़ेगा। इसलिए, अभी भी एआई पर पूरी तरह से भरोसा नहीं किया जा सकता है। हालांकि, कभी-कभी अप्रत्याशित शेयर सामने आते हैं, और व्यक्तिगत रूप से टोक्यो स्टॉक एक्सचेंज के सभी शेयरों की जांच करना संभव नहीं है, इसलिए इसे फ़िल्टर करने के लिए उपयोग करना ठीक है। लक्ष्य 3600 शेयरों से शुरू करके, पहले लगभग 30 शेयरों को संभावित उम्मीदवारों के रूप में चुना जाता है, और फिर उन्हें और फ़िल्टर करके 10 से कम शेयरों तक लाना एक अच्छा तरीका हो सकता है।

विदेशी मुद्रा (एफएक्स) का भी एआई विश्लेषण किया जा रहा है। हालांकि, यह मुद्रा-दर-मुद्रा विश्लेषण है, इसलिए यह उपयोगी है या नहीं, यह स्पष्ट नहीं है। फिलहाल, मैं इसे देखता रहूंगा। एफएक्स बहुत मुश्किल होता है...

अपने घर के कंप्यूटर पर एआई स्टॉक विश्लेषण (जिसमें समय लगता है) करवा रहा हूँ, और दोपहर में ताकाओ पर्वत पर जाने की योजना है। सुबह तक जो ऊपर जाने की उम्मीद वाले शीर्ष स्टॉक सामने आए हैं, उनका प्रदर्शन ठीक-ठाक रहा है (लेकिन मैंने उन्हें नहीं खरीदा), लेकिन अभी भी बहुत भिन्नता है। शायद एक ऐसी विधि हो सकती है जिसमें सभी स्टॉक एक यूनिट खरीदकर, जो स्टॉक गिरते हैं उन्हें तुरंत बेच दिया जाए, और केवल वही स्टॉक जो बढ़ते हैं उन्हें ही रखा जाए। आखिरकार, यह बताना मुश्किल है कि कौन सा स्टॉक ऊपर जाएगा।

ओमिकुजी: "शुभ। अब तक कई कठिनाइयाँ रही हैं, लेकिन आखिरकार भाग्य खुल गया है, चिंताएं दूर हो गई हैं, और अब सफलता मिलने का समय आ गया है।"
ऐसा लिखा है। क्या यह सच होगा?

पिछले एक सप्ताह से, मैंने उन शेयरों को प्रायोगिक रूप से खरीदा जो एआई द्वारा चुने गए थे।
एआई के पूर्वानुमान के आधार पर लगभग 30 शेयरों को चुना गया, फिर मैंने स्वयं उनका विश्लेषण करके 10 शेयरों तक सीमित कर दिया, और उनमें से कुछ ऐसे शेयर खरीदे जिनके चार्ट अच्छे दिख रहे थे।
पिछले सप्ताह बाजार की स्थिति भी अच्छी थी, इसलिए उन शेयरों ने "कुल मिलाकर मजबूत प्रदर्शन किया और ज्यादा नहीं गिरे। कुछ शेयरों में वृद्धि हुई।" यह एक संतोषजनक परिणाम था। हालांकि कोई बड़ा उछाल नहीं आया, लेकिन कम से कम नुकसान नहीं हुआ, इसलिए यह ठीक था। कुल मिलाकर, एक सप्ताह में लगभग कुछ प्रतिशत की वृद्धि हुई। एक प्रयोग के रूप में, यह ठीक-ठाक था।
हालांकि, आज (सोमवार) न्यूयॉर्क बाजार के प्रभाव में टोक्यो बाजार में भारी गिरावट आई, इसलिए कुछ शेयर उसमें शामिल हो गए और उनकी कीमतें वापस सामान्य हो गईं। बेशक, एआई के बावजूद, यह गिरावट से प्रभावित हुआ... बाजार की स्थिति का प्रभाव अधिक मजबूत है, जो कि स्वाभाविक है।
फिलहाल, मैं केवल व्यक्तिगत शेयरों का एआई विश्लेषण कर रहा हूं, और न्यूयॉर्क बाजार के साथ उनके संबंध के बारे में जानकारी नहीं दे रहा हूं। मुझे लगता है कि एआई को इस पहलू को भी सिखाने की आवश्यकता है।
शायद, "संबंधों को याद रखने" के बजाय, एआई को न्यूयॉर्क बाजार के लिए अलग से पूर्वानुमान लगाने और यदि रात में गिरावट की संभावना है, तो पहले से ही पोजीशन को थोड़ा कम करने जैसे उपाय किए जा सकते हैं।
(यह छवि खरीदे गए शेयरों से संबंधित नहीं है।)

■गूगल टीपीयू
लिखा था कि डिलीवरी में 3 सप्ताह लगेंगे, लेकिन वास्तव में यह लगभग 10 दिनों में आ गया। यह अप्रत्याशित रूप से जल्दी था। यह MATLAB में उपयोग नहीं किया जा सकता है, इसलिए मैं बाद में इसे पायथन में आज़माऊंगा।

■पायथन का पहला प्रयास
चूंकि पायथन का यह मेरा पहला अनुभव है, इसलिए मैंने पहले से ही मैटलैब में विश्लेषण किए गए डेटा को पढ़ा और उसे ग्राफ में प्रदर्शित किया। यह मैटलैब का विकल्प बन सकता है। शायद मुझे मैटलैब खरीदने की आवश्यकता नहीं है? यदि मैं मैटलैब के परीक्षण अवधि के दौरान पायथन में स्थानांतरित हो सकता हूं, तो शायद मैं इसे नहीं खरीदूंगा, लेकिन मैटलैब उपयोग करने में आसान है, इसलिए मैं इस बारे में सोच रहा हूं कि क्या इसे खरीदना है या नहीं। यह केवल एआई के अलावा अन्य कार्यों के लिए भी उपयोगी है। केवल पायथन ही गूगल द्वारा बनाए गए एआई चिप्स का उपयोग कर सकता है, और मैटलैब से नहीं, इसलिए किसी भी स्थिति में पायथन में परिवर्तन आवश्यक है।
पायथन में एक अजीब सिंटैक्स है, जिसे अन्य भाषाओं में शायद ही कभी देखा जाता है, या यह एक भाषा की विशेषता है जो दिलचस्प या सूक्ष्म है, लेकिन चूंकि इसमें सरणियों का उपयोग करने का लाभ है, इसलिए इसके अजीब सिंटैक्स के नुकसान कम हो जाते हैं। खैर, यह आदत की बात है।
इसके अलावा, मुख्य एआई भाग को बदलने की आवश्यकता है, लेकिन वह अभी भी बाकी है।

हाल ही में, मैंने गाऊसी प्रक्रिया प्रतिगमन (Gaussian Process, GP) नामक विश्लेषण को, जिसे पहले मैटलैब में किया गया था, पायथन में लागू किया। मैटलैब में करते समय, मैंने मापदंडों पर ध्यान नहीं दिया था, लेकिन यह महसूस हुआ कि मापदंडों के आधार पर परिणाम काफी भिन्न होते हैं, इसलिए मैंने सबसे सरल मापदंडों के साथ इसे लागू किया। यह मुख्य विषय नहीं है, और चूंकि मुख्य विषय कृत्रिम बुद्धिमत्ता (AI) है, इसलिए यह इतना ही पर्याप्त है। मैं इसे कुछ दिनों से उपयोग कर रहा हूं, और धीरे-धीरे पायथन से परिचित हो रहा हूं।

एक मुश्किल बात यह है कि पायथन की तुलना में मैटलैब की निष्पादन गति बहुत धीमी है, और विश्लेषण करने में भी कुछ सेकंड इंतजार करना पड़ता है। निश्चित रूप से, मैटलैब बहुत अच्छा है। यह एक सामान्य बात है कि पायथन धीमा है, लेकिन मैंने हाल ही में एक AI चिप खरीदा है, इसलिए AI विश्लेषण पायथन में भी तेज़ होना चाहिए। चूंकि चिप विशेष रूप से AI के लिए है, इसलिए अन्य कार्यों की गति धीमी होना स्वाभाविक है।

■TensorFlow
आज मैंने TensorFlow 2 + Python 3 के साथ AI को लागू करने की कोशिश की, लेकिन इंटरनेट पर मौजूद अधिकांश जानकारी TensorFlow 1 के लिए है, और TensorFlow 2 के लिए बहुत कम उदाहरण उपलब्ध हैं। मैंने कुछ प्रयास और त्रुटियों के बाद एक प्रोटोटाइप बनाने में कामयाबी हासिल की, लेकिन आउटपुट मान अजीब हैं और सही उत्तर नहीं मिल रहे हैं। MATLAB के साथ, मैं इसे एक दिन में आसानी से बना सकता था, लेकिन इसमें थोड़ा अधिक समय लग सकता है। MATLAB वास्तव में एक उत्पाद है और यह उपयोग करने में आसान है। मुझे लगता है कि मैं धीरे-धीरे Python से भी परिचित हो रहा हूं, इसलिए मुझे लगता है कि यह संभव हो जाएगा, लेकिन प्रत्येक लाइब्रेरी में अपने स्वयं के नियम और रूपांतरणों की आवश्यकता होती है, जो कि एक परेशानी है।

वैसे भी, मैंने जो Google का AI के लिए TPU चिप खरीदा है, वह Raspberry Pi के साथ उपयोग करने के लिए बेहतर है, इसलिए मैं पहले से खरीदे गए लेकिन उपयोग न किए गए Raspberry Pi को फिर से स्थापित कर रहा हूं। यह अप्रत्याशित रूप से उपयोगी साबित हो सकता है। मेरे पास पहले Raspberry Pi के लिए कोई केस नहीं था, लेकिन चूंकि मैं इसे लंबे समय तक उपयोग करने की योजना बना रहा हूं, इसलिए मैंने एक केस खरीदा है। पहली बार जब मैंने इसे चालू किया, तो यह काम नहीं कर रहा था, इसलिए मैंने माइक्रो SD कार्ड निकालने की कोशिश की, लेकिन वह टूट गया, इसलिए मुझे इसे नया खरीदना होगा। मैंने ऑपरेटिंग सिस्टम को भी फिर से स्थापित किया। यह परेशानी भरा है, लेकिन इसमें कुछ नहीं कर सकते।

■ शेयरधारकों के लाभ और हानि का सिमुलेशन
शेयरधारकों के लाभ और हानि का सरलता से सिमुलेशन करके उसे ग्राफ में दर्शाना।
ऊपर का ग्राफ वास्तविक शेयर की कीमतों के उतार-चढ़ाव और एक अनुमानित समीकरण को दर्शाता है। बीच का ग्राफ वह है जिसे हमने अभी जोड़ा है, जिसमें 0 से ऊपर का भाग लाभ और नीचे का भाग हानि को दर्शाता है। यदि ग्राफ 0 से ऊपर है, तो इसका मतलब है कि औसतन सभी शेयरधारकों को लाभ हो रहा है, और यदि नीचे है, तो इसका मतलब है कि औसतन नुकसान हो रहा है। चूंकि हमें यह नहीं पता कि किसने खरीदा या बेचा, इसलिए हमने माना है कि औसतन सभी शेयरधारक व्यापार कर रहे हैं। इस तरह के अनुमान के बावजूद, आश्चर्यजनक रूप से एक ऐसा ग्राफ प्राप्त होता है जो काफी हद तक वास्तविक स्थिति को दर्शाता है। यदि ग्राफ 0 से नीचे है, तो इसका मतलब है कि सभी को नुकसान हो रहा है, और यदि ऊपर है, तो इसका मतलब है कि सभी को लाभ हो रहा है।
इससे पता चलता है कि नवंबर 2018 के आसपास शेयर की कीमतें गिर गईं, जिससे नुकसान उठाने वाले लोगों की संख्या बढ़ गई, और अब स्थिति स्थिर है। हालांकि, यह ग्राफ यह नहीं बता सकता कि अभी खरीदना चाहिए या नहीं। बल्कि, ऐसा लगता है कि यह एक ऐसा संकेतक है जो खरीदने से बचना चाहिए। अप्रैल 2018 में, शेयर की कीमतों में ज्यादा बदलाव नहीं हुआ था, लेकिन कुछ लोगों को रिबाउंड से लाभ हुआ था, लेकिन बाकी को नुकसान हुआ है।
यह एआई या मशीन लर्निंग नहीं है, बल्कि केवल एक सिमुलेशन है। लेकिन, यह आश्चर्यजनक रूप से उपयोगी हो सकता है।

■ शेयरधारकों का संभावित लाभ सिमुलेशन
और विश्लेषण। शेयरधारकों के संभावित लाभ का सिमुलेशन करके ग्राफ प्रदर्शित करें। धीरे-धीरे यह अधिक उपयोगी होता जा रहा है।

इस नए ग्राफ से, उदाहरण के लिए, निम्नलिखित बातों पर ध्यान दिया जा सकता है:
■ शेयर की कीमत कई गुना बढ़ रही है, लेकिन अंत तक (सभी शेयरधारकों के औसत) संभावित लाभ में आश्चर्यजनक रूप से वृद्धि नहीं हो रही है (①)।
■ अंतिम शेयर की कीमत में गिरावट के समय (②), किसी कारण से संभावित लाभ में उतनी कमी नहीं हो रही है (③)। यह ऐसा प्रतीत होता है कि लोग ऊपर से लाभ प्राप्त कर रहे हैं।
■ अंतिम शेयर की कीमत में गिरावट के समय कारोबार में वृद्धि होती है (④), और साथ ही संभावित लाभ में वृद्धि होती है (⑤)। इसका मतलब है कि शायद बड़े निवेशक उन लोगों द्वारा बेचे गए शेयरों को खरीद रहे हैं और फिर उछाल के साथ लाभ प्राप्त कर रहे हैं।
अब तक जो चीजें दिखाई नहीं दे रही थीं, वे दिखाई देने लगी हैं। विश्लेषण बहुत दिलचस्प है।

अब इस स्टॉक का विश्लेषण। यह एक ऐसी कंपनी है जिसके बारे में खबरों में बहुत चर्चा हुई थी, लेकिन इसका शेयर मूल्य बहुत तेजी से गिर गया है (पहला)।
शेयर की कीमत गिरने के साथ-साथ, अनुमानित लाभ भी लगातार कम होता गया (दूसरा)। अंत में, यह नीचे तक गया और फिर वापस ऊपर आया (तीसरा)। जब यह वापस ऊपर आया, तो अनुमानित लाभ बढ़ गया (चौथा), लेकिन साथ ही, शेयरधारकों का लाभ और हानि नकारात्मक था (पांचवां। लाल रेखा से नीचे का क्षेत्र नकारात्मक है)। इसका मतलब है कि अंतिम उछाल के दौरान अनुमानित लाभ अस्थायी रूप से बढ़ा, लेकिन फिर भी कई लोगों ने लाभ को सुरक्षित नहीं कर पाए और अंततः नुकसान में कट गए, यह मेरा अनुमान है। यह केवल एक सिमुलेशन पर आधारित है।
यह कहना मुश्किल है कि यह एक स्टॉक सब कुछ दर्शाता है, लेकिन यह "उछाल का लक्ष्य रखने से नुकसान होने की संभावना अधिक" हो सकती है। इस ग्राफ से स्पष्ट है कि, उछाल के बावजूद, औसत शेयरधारक को नुकसान होता है।
जो स्टॉक गिर रहे हैं, उनमें उछाल का लक्ष्य रखना, इस ग्राफ को देखते हुए, शायद सबसे अच्छा विकल्प नहीं है।
<यह मेरी व्यक्तिगत व्याख्या है, और यह सामान्य व्याख्या से बहुत अलग हो सकती है, इसलिए कृपया ध्यान दें। मैं शेयर बाजार में अच्छा नहीं हूँ।>
■मूविंग एवरेज (मूविंग औसत)
मूविंग एवरेज (9 दिन, 25 दिन, 75 दिन) के ऊपर और नीचे की स्थिति के आधार पर खरीद और बिक्री के संकेत जोड़े गए हैं।
यह "मूविंग एवरेज: अंतिम तरीका और उपयोग" नामक एक पाठ्यपुस्तक जैसी सामग्री में दिए गए एल्गोरिदम का सीधा कार्यान्वयन है।
संकेतों के ऊपर के रंग निम्नलिखित दर्शाते हैं:
• गहरा लाल रंग: मजबूत खरीद संकेत
• गहरा हरा रंग: मजबूत बिक्री संकेत
मध्यम रंग: बीच में
यह बिल्कुल पाठ्यपुस्तक जैसा है, लेकिन यदि संकेत मिलने के तुरंत बाद उसी के अनुसार कार्य किया जाए, तो कुछ लाभ प्राप्त हो सकता है।
बुनियादी बातें महत्वपूर्ण हैं...

■मैकडी
विश्लेषण के लिए एक मानक उपकरण, मैकडी (मैकडी स्वयं + मैकडी का औसत + हिस्टोग्राम) प्रदर्शित करें। इसके अतिरिक्त, वर्तमान चरण को लेबल के साथ दिखाएं। यह भी दर्शाएं कि चरण कब बदला गया, इसके लिए रेखाएं भी जोड़ें।

■RCI
"RCI" नामक एक स्टॉक इंडिकेटर जोड़ा गया। सामान्य RCI में लघु और दीर्घकालिक दो रेखाएँ होती हैं, लेकिन मैंने MACD के सिग्नल के समान एक हिस्टोग्राम (बार ग्राफ) जोड़ा है, जिससे इसे देखना आसान हो गया है (RCI क्षेत्र में हरा बार ग्राफ वही है)। यह सामान्य स्टॉक टूल में उपलब्ध नहीं है, जो कि आश्चर्यजनक है, और यह बहुत अच्छा लगता है।
इसके अलावा, चूंकि RCI और MACD दोनों को देखना मुश्किल है, इसलिए यदि दोनों सकारात्मक हैं तो उनके बीच एक लाल बिंदु, और यदि दोनों नकारात्मक हैं तो एक हरा बिंदु लगाया गया है, जिससे सिग्नल को समझना आसान हो जाता है।
इस तरह देखने पर, आप RCI के ऊपर मौजूद मूविंग एवरेज सिग्नल और इस बार जोड़े गए सिग्नल (RCI और MACD के बीच मौजूद सिग्नल) के बीच के अंतर की तुलना कर सकते हैं, जो कि दिलचस्प है।
यह दीर्घकालिक विश्लेषण और अल्पकालिक विश्लेषण के बीच के अंतर को दर्शाता है। यह काफी दिलचस्प है। आज जोड़े गए सिग्नल में उपयोग करने की अच्छी क्षमता है।

■ अल्पकालिक मूल्य परिवर्तन का ग्राफ
मूल स्टॉक की कीमत से, मूविंग एवरेज (ट्रेंड) की राशि को घटाकर, केवल अल्पकालिक मूल्य परिवर्तनों को ग्राफ में प्रदर्शित किया जाता है। इससे, ट्रेंड से विचलित हुए बिना, अल्पकालिक मूल्य परिवर्तनों को आसानी से देखा जा सकता है।
(यह ग्राफ इस बात पर निर्भर करता है कि किस दिन के मूविंग एवरेज का उपयोग किया जाए, इसलिए, यथासंभव, संख्याओं को स्वचालित रूप से पहचाना जाता है जो लगभग क्षैतिज रूप से एक साथ दिखाई देती हैं और उन्हें प्रदर्शित किया जाता है।)
यह उदाहरण के लिए, मूल स्टॉक की कीमत से 89 दिनों के मूविंग एवरेज के मान को घटाकर प्राप्त अंतर का ग्राफ है।
मूल रूप से, मैं समय श्रृंखला विश्लेषण करने की कोशिश कर रहा था, लेकिन विश्लेषण करने पर, इसमें कोई विशेष आवधिक विशेषता नहीं दिखाई दी, इसलिए मैंने केवल उस विश्लेषण के दौरान प्राप्त ग्राफ को प्रदर्शित किया। यह इस रूप में भी उपयोगी लग रहा है।

■ डोनचांज़ नियम
"डोनचांज़ नियम" के रूप में जाने जाने वाले नियम, जिसमें कहा गया है कि "चार हफ्तों में उच्चतम मूल्य को पार करने पर खरीदें और सबसे कम मूल्य से नीचे जाने पर बेचें," को दृश्यमान बनाया गया है। इसे इस तरह बदला गया है कि यदि अंतिम दिन की क्लोजिंग कीमत सीमा को पार करती है, तो उसे लेबल दिखाया जाए। यह बहुत आसान हो गया है।
हालांकि कई नियम बन गए हैं, लेकिन यह सुनिश्चित करना महत्वपूर्ण है कि कौन सा नियम वास्तव में प्रभावी है, अन्यथा बहुत सारे संकेत मिलेंगे और यह उपयोग करने में मुश्किल हो सकता है।
शायद मैं भविष्य में इसका अनुकरण करके इसकी जांच करूंगा...

■ सिमुलेशन
सिमुलेशन करके, यदि उस दिन के समापन मूल्य पर खरीदा जाता है, तो यह दिखाया जाता है कि क्या 5% लाभ या हानि पहले प्राप्त होती है, और यह लाल या हरे रंग में प्रदर्शित होता है।
इससे, "कहाँ खरीदना बेहतर है" और "कहाँ बेचना बेहतर है" के बारे में एक मोटा अनुमान लगाना आसान हो जाता है।
ऐसा लगता है कि RCI का हिस्टोग्राम (बार ग्राफ) "कितना ऊपर-नीचे" है, इसका उपयोग सिग्नल के रूप में किया जा सकता है।
वैसे, जिस कंपनी के बारे में मैं कुछ समय से सोच रहा हूं, वह कंपनी है जिसने एक प्रसिद्ध सौंदर्य संस्थान (एस्थेटिक) का अधिग्रहण किया था, और जिसका मूल व्यवसाय 3D ग्राफिक्स LSI है। शायद कुछ लोग इसे जानते होंगे, लेकिन इसके शेयर की कीमत बहुत अजीब है। 500 बिलियन की बिक्री के साथ, परिचालन घाटा है, और बाजार पूंजीकरण 34 बिलियन है। भले ही घाटा हो, नकदी प्रवाह बहुत अधिक है, और "अधिग्रहण लागत" जो 5 वर्षों तक लेखांकन में भारी है, वह भी कुछ वर्षों में समाप्त हो जाएगी, और भविष्य में इसमें सुधार होने की संभावना है। यदि बिक्री 500 बिलियन तक पहुंचती है और परिचालन लाभ 50 बिलियन तक बढ़ जाता है, तो बाजार पूंजीकरण 34 बिलियन होना संभव नहीं है, और कम से कम लाभ वाले आंकड़ों तक बढ़ना चाहिए। सामान्य तौर पर, बिक्री के बराबर बाजार पूंजीकरण होना चाहिए, इसलिए अधिकतम बाजार पूंजीकरण 500 बिलियन होना चाहिए, इसलिए यह एक संभावित दस गुना रिटर्न वाला स्टॉक है। भले ही यह इतना न हो, लेकिन यदि लाभप्रदता दिखाई देती है, तो यहां से दोगुना होने की उम्मीद की जा सकती है। हालांकि, बड़े निवेशकों द्वारा इसमें और गिरावट आ सकती है। चूंकि शेयर की कीमत पहले से ही अजीब है, इसलिए यहां से आधा होने पर भी मुझे आश्चर्य नहीं होगा। वास्तव में, मैं 31 मार्च से इसे देख रहा हूं और कई बार इसमें खरीदा और बेचा है, लेकिन 31 मार्च को मिलने वाले लाभ (सौंदर्य संस्थान का वाउचर) के बाद गिरावट बहुत अधिक थी (मुस्कुराहट)। इसके बाद, बड़े निवेशकों द्वारा शेयर बेचे गए और कीमतें 10% गिर गईं। यहां से फिर से गिरावट आ सकती है, लेकिन अगले महीने वास्तविक वित्तीय परिणाम घोषित होंगे, और सौंदर्य संस्थान गर्मियों में महिलाओं के लिए एक लोकप्रिय स्टॉक है (क्योंकि वे अपनी त्वचा दिखाती हैं, इसलिए वे सौंदर्य संस्थान जाना पसंद करती हैं)। यह कंपनी अगले छह महीनों में दिलचस्प होने की संभावना है।
→ लेकिन, बाद में जांच करने पर पता चला कि बिक्री के आंकड़े शायद लेखांकन में हेरफेर किए गए हैं। यह एक संदिग्ध प्रदर्शन है।

■मैटलैब के बराबर स्तर तक पहुंचना
एआई (डीप लर्निंग) को पायथन + टेन्सरफ्लो (वर्जन 2) में लागू किया गया है। यह लगभग वही प्रक्रिया है जो मैंने पहले मैटलैब में की थी।
ग्राफ में दाईं ओर मध्य में स्थित हरा बिंदु एआई द्वारा अनुमानित भविष्य के शेयर की कीमत है। मैटलैब और परिणामों में काफी समानता है, इसलिए मूल रूप से वे एक जैसे हैं।
शुरुआत में, टेन्सरफ्लो (वर्जन 2) की विशिष्ट लेखन शैली के साथ तालमेल बिठाना मुश्किल था, इसलिए इसे बनाना थोड़ा मुश्किल था, लेकिन जब मैंने कुछ उदाहरण देखे, तो मैं इसे आसानी से बना पाया। अभी तक मैं Google TPU चिप का उपयोग नहीं कर रहा हूं, और मैक के सीपीयू पर चलाने पर यह निश्चित रूप से धीमा है। Google TPU चिप का उपयोग करके यह कितना तेज होगा? मैं इसके बारे में बाद में बताऊंगा।
यह बहुत ही सरल है, लेकिन क्या मैं भी एआई इंजीनियरों के समूह में शामिल हो गया हूं? (मुस्कान)

■फॉरेक्स (FX)
फॉरेक्स (विदेशी मुद्रा, USD) को भी ध्यान में रखते हुए स्टॉक की कीमतों का पूर्वानुमान लगाने के लिए सिस्टम को संशोधित किया गया है। कल तक, केवल संबंधित स्टॉक की कीमत (एक चर) का उपयोग किया जाता था, लेकिन अब स्टॉक की कीमत और USD विदेशी मुद्रा (दो चर) का उपयोग किया जा रहा है।
हालांकि, पहली नज़र में परिणाम में ज्यादा बदलाव नहीं दिख रहा है... इसकी जांच करने की आवश्यकता है। शायद इन दोनों के बीच कोई महत्वपूर्ण संबंध नहीं है। शायद टोक्यो स्टॉक एक्सचेंज के प्रथम श्रेणी के बड़े शेयरों में ऐसा हो सकता है। मैं कुछ अन्य कारकों को भी शामिल करने की कोशिश करूंगा।

इसके बाद, "शेयर की कीमत, कारोबार की मात्रा, और यूएसडी विदेशी मुद्रा (फॉरेक्स)" के तीन चरों के साथ विश्लेषण किया गया।
चूंकि हम एक चर को दो चरों में बदलने में सक्षम हैं, इसलिए तीन चर बनाना बहुत आसान है।
वैसे, दिखने में ज्यादा बदलाव नहीं है।
अब, सटीकता कैसी है?
क्या हमें न्यूयॉर्क स्टॉक एक्सचेंज (NYSE) जैसे डेटा को शामिल करना चाहिए?



■गूगल टीपीयू एलएसटीएम के साथ संगत नहीं था
मैंने गूगल टीपीयू चिप (यूएसबी) को रास्पबेरी पाई पर चलाने की कोशिश की, लेकिन यह पता चला कि मेरा इच्छित एलएसटीएम (आरएनएन) समर्थित नहीं है, और यह केवल वर्गीकरण जैसी चीजों का समर्थन करता है। यह थोड़ा निराशाजनक था, लेकिन मैंने कुछ सीखा, इसलिए शायद यह ठीक है। यही कारण है कि चिप सस्ती है। गूगल के पास इस तरह के आधे-अधूरे खिलौने भी बेचने की क्षमता है। यह गतिशील पहचान जैसे विशिष्ट उपयोगों के लिए अच्छा लग सकता है।

- केवल टेन्सरफ्लो लाइब्रेरी स्थापित करने में 30 मिनट या 1 घंटे तक लग गया। रास्पबेरी पाई बहुत धीमा है।
- डिफ़ॉल्ट रूप से, यह टेन्सरफ्लो संस्करण 1 है, और संस्करण 2 को स्रोत से बनाना पड़ता है, इसलिए मैंने एक बिल्ड वातावरण बनाने की कोशिश की, लेकिन "बेज़ल" नामक एक उपकरण को बनाने में 24 घंटे से अधिक लग गए, और अंततः पता चला कि बेज़ल का नवीनतम संस्करण समर्थित नहीं है, इसलिए मुझे पुराने बेज़ल को फिर से बनाना पड़ा, जिससे दोहराव हुआ। फिर भी, टेन्सरफ्लो संस्करण 2 ठीक से काम नहीं कर रहा था। यह बहुत निराशाजनक था। रास्पबेरी पाई के मानक ऑपरेटिंग सिस्टम के साथ विफल होने के बाद, मैंने उबंटू में बदलने और प्रयास करने की कोशिश की, लेकिन परिणाम समान था। दोहराव के बाद, मैं मूल ऑपरेटिंग सिस्टम पर वापस आ गया।
- रास्पबेरी पाई में सीपीयू आर्म है, इसलिए गूगल टीपीयू के लिए मानक रूप से उपलब्ध लाइब्रेरी और डॉकर सीधे काम नहीं करते हैं और केवल रास्पबेरी पाई के लिए विशिष्ट संस्करणों का उपयोग किया जा सकता है, जो कि असुविधाजनक है।
- ऑपरेटिंग सिस्टम का डिफ़ॉल्ट पायथन संस्करण 3.5 था, इसलिए मैंने पहले 3.7 को स्रोत से बनाया, लेकिन चूंकि टेन्सरफ्लो इसका समर्थन नहीं करता है, इसलिए मैंने 3.6 स्थापित किया, लेकिन इससे ज्यादा बदलाव नहीं हुआ, इसलिए मैंने डिफ़ॉल्ट 3.5 पर वापस आ गया।
- मुझे लगा कि समस्या लाइब्रेरी में हो सकती है, इसलिए मैंने कुछ को स्रोत से बनाया, लेकिन फिर भी यह काम नहीं कर रहा था।
- अंततः, निष्कर्ष यह निकला कि केरस के माध्यम से टेन्सरफ्लो का उपयोग करने पर संस्करण 1 और संस्करण 2 के बीच ज्यादा अंतर नहीं होता है, और मैंने मैक पर दोनों संस्करणों के साथ इसकी पुष्टि की।
- गूगल टीपीयू स्वयं "शून्य से प्रशिक्षण" का समर्थन नहीं करता है, बल्कि केवल "पुनः प्रशिक्षण" का समर्थन करता है, और यह पता चला कि मॉडल को पहले सीपीयू पर बनाया जाना चाहिए, फिर एक विशेष रूपांतरण लागू किया जाना चाहिए, और फिर क्लाउड पेज पर आगे रूपांतरण किया जाना चाहिए ताकि इसका उपयोग किया जा सके, लेकिन यह रूपांतरण मेरे द्वारा उपयोग किए जाने वाले एलएसटीएम/आरएनएन के साथ संगत नहीं है। यह बहुत निराशाजनक था।

अब मुझे या तो एक सस्ता पीसी और एनवीडिया जीपीयू का सेट खरीदना चाहिए, या मौजूदा पीसी के साथ समझौता करना चाहिए...

■ एआई स्टॉक विश्लेषण वेबसाइट निर्माण
https://kabu2u.com
https://kabu2u.com
यह एक सरल एआई स्टॉक विश्लेषण वेबसाइट है, जिसे अपडेट किया गया है। हम धीरे-धीरे उन शेयरों को शामिल करेंगे जिनमें उच्च अस्थिरता है। यह स्पष्ट नहीं है कि हमें कितनी बारीकी से जानकारी देनी चाहिए, इसलिए फिलहाल, हम केवल विश्लेषण के 2 सप्ताह बाद के पुराने डेटा को ही प्रकाशित करेंगे। हम अभी भविष्य के पूर्वानुमानों को प्रकाशित नहीं करेंगे। भविष्य के पूर्वानुमानों को प्रकाशित करने से शिकायतें आ सकती हैं, और यदि भविष्य में हमारी सटीकता में सुधार होता है, तो हम भविष्य के पूर्वानुमानों को मुफ़्त में उपलब्ध करा सकते हैं। हालांकि, अभी तक हमारी सटीकता इतनी अच्छी नहीं है, इसलिए यह एक अच्छी शुरुआत होगी।

■ एलियट वेव विश्लेषण
मैं एलियट वेव विश्लेषण करने की कोशिश कर रहा हूं। (एलियट वेव क्या है, यह जानने के लिए कृपया गूगल करें)।
मैंने वास्तविक तरंगों से यह निर्धारित करने की कोशिश की कि कौन सी तरंग आ रही है, लेकिन यह बहुत मुश्किल लग रहा है, इसलिए मैं दिशा बदल रहा हूं।
मैं एलियट वेव का अनुकरण करना चाहता हूं, और फिर सिमुलेशन के परिणामों को एआई को सिखाना चाहता हूं।
सबसे पहले, मैंने फिबोनाची अनुक्रम को बारी-बारी से जोड़ और घटाकर एक ग्राफ बनाया, जो कि ऊपरी बाएं कोने में है। लेकिन, जैसा कि यह है, इसमें नकारात्मक मान आते हैं (शेयर की कीमतों में नकारात्मक मान नहीं हो सकते हैं), इसलिए मैंने इसे समग्र रूप से सकारात्मक बनाने के लिए एक सीधी रेखा में ऊपर उठाया, जो कि ऊपरी दाएं कोने में है। उम्म्... कुछ अलग है। मैंने इसे केवल एक सीधी रेखा में नहीं उठाया, बल्कि एक द्विघात वक्र का उपयोग करके ऊपर उठाया, जो कि निचले बाएं कोने में है। यह ठीक-ठाक लग रहा है, लेकिन कुछ अलग है। हालांकि, वास्तविक स्टॉक की कीमतें भी बहुत अजीब तरह से चलती हैं, इसलिए शायद यह पर्याप्त है।
मैंने ग्राफ बनाया है, इसलिए मैं इसका उपयोग करके नकली स्टॉक की कीमतें बनाऊंगा, और फिर एआई विश्लेषण करूंगा। परिणामी ग्राफ निचले दाएं कोने में है।
हमने एआई को यह सिखा दिया है, लेकिन वास्तविक पूर्वानुमानों में इसकी सटीकता कितनी होगी, यह अभी देखना बाकी है।



■ एआई विश्लेषण के लिए विशेष पीसी का निर्माण
मैंने एक सामान्य लैपटॉप (सब पीसी) में उबंटू लिनक्स स्थापित किया। मूल रूप से इसमें विंडोज था, लेकिन जब मैं एआई विश्लेषण को लगातार चलाता था, तो यह हर कुछ घंटों में रुक जाता था, जिससे विश्लेषण बाधित हो जाता था। इसलिए, मैंने लिनक्स उबंटू स्थापित किया, और यह बहुत ही आरामदायक था। ऐसा लगता है कि लिनक्स की सहजता का युग विंडोज को पीछे छोड़ना शुरू हो गया है। हाल के विंडोज अस्थिर और धीमे हैं, और मुझे लगता है कि मैं खुद को ही नुकसान पहुंचा रहा हूं। ऑफिस कार्यों के लिए, मुझे वर्ड/एक्सेल की आवश्यकता है, इसलिए मुझे विंडोज का उपयोग करना होगा, लेकिन अन्यथा, ऐसा लगता है कि विंडोज की अब आवश्यकता नहीं है। यदि मैं अब कुछ बनाता हूं, तो यदि मैं वेब-आधारित समाधान को बुनियादी बनाऊं और वर्ड/एक्सेल/पॉवरपॉइंट की आवश्यकता को समाप्त कर दूं, तो मुझे विंडोज की आवश्यकता नहीं होगी। मैं मूल रूप से माइक्रोसॉफ्ट को पसंद करता हूं, लेकिन हाल ही में विंडोज की अस्थिरता से मैं बहुत परेशान था। लिनक्स पर निष्पादन गति भी तेज है। Google टीपीयू चिप (यूएसबी) भी सामान्य रूप से उपयोग किया जा सका।

■ विशेषताओं के रूप में निकालकर विश्लेषण
हम उन विशेषताओं को निकालकर विश्लेषण कर रहे हैं जो लोगों के ध्यान में आ सकती हैं। यह स्टॉक पर निर्भर करता है, लेकिन कभी-कभी अच्छी सटीकता प्राप्त होती है।
डीप लर्निंग मूल रूप से मस्तिष्क के न्यूरॉन्स की गतिविधि की नकल है, इसलिए यदि हम इनपुट के रूप में विशेषताओं को पहले से ही विघटित कर देते हैं, तो सटीकता बढ़ जाती है, जो कि तार्किक रूप से सही है। हालांकि, ऐसा करने से, उन स्टॉक के लिए सटीकता बहुत कम हो जाती है जो उन विशेषताओं से संबंधित नहीं हैं। स्टॉक विश्लेषण मूल रूप से मुश्किल है, इसलिए शायद हमें उन स्थितियों को भी स्वीकार करना चाहिए जहां कुछ उपयोगी हो सकता है।
यदि वह विशेषता अर्थपूर्ण है, तो डीप लर्निंग के दौरान त्रुटि धीरे-धीरे कम होती जाती है और यह अभिसरण हो जाता है, लेकिन यदि यह अभिसरण नहीं होता है, तो या तो विशेषता के मान में कोई त्रुटि है, या शायद, उस विशेषता का कोई अर्थ ही नहीं है! यह दूसरी बात एक नई खोज है, और डीप लर्निंग शायद उन सिद्धांतों को उजागर कर रहा है जिन्हें स्टॉक की दुनिया में आमतौर पर "स्पष्ट" माना जाता था, लेकिन वास्तव में उनका कोई अर्थ नहीं है। उदाहरण के लिए, यह कहा जाता है कि अल्पकालिक मूविंग एवरेज और दीर्घकालिक मूविंग एवरेज का क्रॉस "गोल्डन क्रॉस" है, जो खरीदने का समय है, और MACD के गोल्डन क्रॉस के बारे में भी इसी तरह की बातें कही जाती हैं, लेकिन वास्तव में, वहां शायद कोई अर्थ नहीं है! यह "शायद" डीप लर्निंग विश्लेषण का परिणाम है। बाकी कल।

■ट्रेंड फॉलो करना
तकनीकी विश्लेषण की सटीकता कम लग रही थी, इसलिए मैंने एक ऐसा एआई बनाया जो केवल ट्रेंड को फॉलो करे। इस तरह, यह अचानक गिरावट या तेजी के प्रति कमजोर होगा, लेकिन ट्रेंड फॉलो करने के मामले में, मुझे पहले से बेहतर परिणाम मिले हैं, इसलिए मुझे लगता है कि यह ठीक है। मोटी लाल रेखा एआई का अनुमान है। शायद, मशीनों के लिए इस तरह का उपयोग अधिक उपयुक्त है। मनुष्य के लिए, यह ट्रेंड फॉलो करना उबाऊ हो सकता है, लेकिन मशीनों को बस लगातार काम करने देना चाहिए।

तकनीकी विश्लेषण में, मैंने इनपुट मानों को संसाधित करके और विभिन्न तरीकों से प्रयोग करके प्रयास किया, लेकिन यह ट्रेंड फॉलो करना एल्गोरिथम रूप से बहुत सरल है। हालांकि, यदि मापदंडों का संयोजन सूक्ष्म है, तो यह ठीक से काम नहीं कर सकता है, इसलिए एल्गोरिथम सरल है, लेकिन इष्टतम बिंदु खोजना मुश्किल है, और यही वह चुनौती है जिसके लिए डीप लर्निंग उपयुक्त हो सकता है।

■ एआई स्टॉक मूल्य पूर्वानुमान वेबसाइट का प्रारंभिक संस्करण
एआई स्टॉक मूल्य पूर्वानुमान - https://kabu2u.com
https://kabu2u.com
प्रारंभिक संस्करण पूरा हो गया। मॉडल को फिर से जांचना या अधिक मशीन शक्ति का उपयोग करके गहराई से विश्लेषण करना संभव है, लेकिन लागत-प्रभावशीलता को ध्यान में रखते हुए, फिलहाल यह एक अच्छा शुरुआती बिंदु है। विचार के रूप में, अभी भी बहुत कुछ आज़माया जा सकता है। मार्च के मध्य से Matlab के साथ खेलना शुरू करने और फिर Python+Tensorflow में स्थानांतरित होने के बाद, 2.5 महीनों में इसे बनाना निश्चित रूप से अच्छा है। 1 महीना विभिन्न प्रयोगों में बीता। 1.5 महीने साइट के लिए और विभिन्न संशोधनों में। सटीकता अभी भी कम है, लेकिन विश्लेषण वर्तमान में समय पर आधारित है और बीच में ही रोक दिया जाता है, इसलिए हम देखेंगे कि समय के साथ सटीकता कितनी बढ़ सकती है। यदि सटीकता पर्याप्त नहीं है, तो मॉडल को और बड़ा किया जा सकता है, जैसे कि समय लेने वाले संशोधन, लेकिन ये भविष्य में किए जाएंगे। फिलहाल, बुनियादी चीजें पूरी हो चुकी हैं। वर्तमान में, प्रदर्शन बहुत सरल है, इसलिए धीरे-धीरे इसमें कुछ चीजें जोड़ी जाएंगी।

■ सपोर्ट लाइन जोड़ी गई
यह मानते हुए कि पूर्वानुमानित दिन के बाद अगले दिन शुरुआती मूल्य पर खरीदा जाएगा, सपोर्ट लाइन प्रदर्शित की गई है। यह थोड़ा अधिक स्पष्ट हो गया है।

■ कैंडल चार्ट
समापन मूल्यों के रेखा ग्राफ को सामान्य कैंडल चार्ट में बदल दिया गया। आखिरकार, यह ऐसा होना ही चाहिए, तभी यह सही लगेगा।



■ एयरट्रेड
मैंने एयरट्रेड शामिल किया है। इसे देखकर मुझे लगता है कि मैं और अधिक लाभ कमा सकता था, लेकिन शायद मैं यांत्रिक रूप से ट्रेड नहीं कर पा रहा हूं और भावनाओं में आ जाता हूं, इसलिए मेरा प्रदर्शन अच्छा नहीं है...

■ एल्गोरिदम की समीक्षा
एयरट्रेड के एल्गोरिदम की समीक्षा की। होमपेज पर सभी शेयरों के एयरट्रेड के परिणाम प्रकाशित किए गए हैं।

■ परफेक्ट ऑर्डर के साथ एयरट्रेड
मैंने "परफेक्ट ऑर्डर" नामक शर्तों के आधार पर, जो कि अल्पकालिक, मध्यम अवधि और दीर्घकालिक रुझानों पर आधारित हैं, एयरट्रेड करने की कोशिश की, लेकिन परिणाम अच्छे नहीं थे। शायद वर्तमान बाजार की स्थिति खराब है, या शायद यह तकनीकी विश्लेषण के समान है, और यह एक शहरी किंवदंती हो सकती है जिसके लिए बाद में कारण दिए जाते हैं।
औसत लाभ +0.5%, संचयी +0.6%

■ एल्गोरिदम की तुलना
मैंने एक एल्गोरिदम और दूसरे एल्गोरिदम की तुलना की। एक एल्गोरिदम में, यदि AI भविष्यवाणी करता है कि यह ऊपर जाएगा, और अगले दिन की शुरुआती कीमत पिछली दिन की समापन कीमत से कुछ प्रतिशत कम है, तो खरीदें। दूसरे एल्गोरिदम में, यदि शुरुआती कीमत पिछली दिन की समापन कीमत से अधिक या उसके बराबर है, तो खरीदें। मानवीय भावना के अनुसार, "कम कीमत पर खरीदें" वाला पहला एल्गोरिदम बेहतर प्रदर्शन करता हुआ प्रतीत होता है, लेकिन वास्तव में, दूसरा एल्गोरिदम बेहतर है। स्टॉक की कीमतें आमतौर पर ऊपर की ओर बढ़ती हैं या नीचे की ओर गिरती हैं, इसलिए इस परिणाम को समझा जा सकता है। औसत लाभ क्रमशः +2.0% और +0.9% है, इसलिए यह त्रुटि हो सकती है।

■ एयरट्रेड की गणना में त्रुटि
एयरट्रेड की गणना में त्रुटि थी। हाँ। मुझे लगता है कि परिणाम बहुत अच्छे थे। नए परिणाम निम्नलिखित हैं। लगभग -1%।
इस वर्ष की शुरुआत से बाजार की स्थिति बहुत खराब होने के बावजूद, -1% का लाभ कमाना इसे एक अच्छा प्रयास माना जा सकता है। मुझे उम्मीद है कि बाजार की स्थिति में सुधार होने पर यह सकारात्मक हो जाएगा।

एयरट्रेड 1 [सभी लक्षित शेयरों का औसत] लाभ: +0.1% (भारित औसत, हाल के रुझान पर जोर), -0.1% (औसत, सभी अवधि), संचयी -1.3% (सभी अवधि)
एयरट्रेड 2 [सभी लक्षित शेयरों का औसत] लाभ: -0.8% (भारित औसत, हाल के रुझान पर जोर), -0.7% (औसत, सभी अवधि), संचयी -1.5% (सभी अवधि)
एयरट्रेड 3 [सभी लक्षित शेयरों का औसत] लाभ: -0.8% (भारित औसत, हाल के रुझान पर जोर), -0.7% (औसत, सभी अवधि), संचयी -1.6% (सभी अवधि)
एयरट्रेड 4 [सभी लक्षित शेयरों का औसत] लाभ: -0.8% (भारित औसत, हाल के रुझान पर जोर), -0.7% (औसत, सभी अवधि), संचयी -2.2% (सभी अवधि)
एयरट्रेड 5 [सभी लक्षित शेयरों का औसत] लाभ: -0.1% (भारित औसत, हाल के रुझान पर जोर), -0.1% (औसत, सभी अवधि), संचयी -0.8% (सभी अवधि)

■ बाजार की स्थिति महत्वपूर्ण है
आज बाजार की स्थिति अच्छी थी, इसलिए लाभ में सुधार हुआ। बाजार की स्थिति की परवाह किए बिना लाभ प्राप्त करने के लिए इसे संशोधित करने की आवश्यकता है।

एयरट्रेड 1 [सभी लक्षित शेयरों का औसत] लाभ/हानि: +0.5% (भारित औसत, हालिया अवधि पर जोर), +0.1% (औसत, पूरी अवधि), संचयी -0.0% (पूरी अवधि)।
एयरट्रेड 2 [सभी लक्षित शेयरों का औसत] लाभ/हानि: +0.4% (भारित औसत, हालिया अवधि पर जोर), +0.2% (औसत, पूरी अवधि), संचयी -0.1% (पूरी अवधि)।
एयरट्रेड 3 [सभी लक्षित शेयरों का औसत] लाभ/हानि: +0.1% (भारित औसत, हालिया अवधि पर जोर), -0.0% (औसत, पूरी अवधि), संचयी -0.5% (पूरी अवधि)।
एयरट्रेड 4 [सभी लक्षित शेयरों का औसत] लाभ/हानि: +0.4% (भारित औसत, हालिया अवधि पर जोर), +0.2% (औसत, पूरी अवधि), संचयी -0.0% (पूरी अवधि)।
एयरट्रेड 5 [सभी लक्षित शेयरों का औसत] लाभ/हानि: -0.3% (भारित औसत, हालिया अवधि पर जोर), -0.4% (औसत, पूरी अवधि), संचयी -1.4% (पूरी अवधि)।

■ एआई निश्चित रूप से एक ब्लैक बॉक्स है।
मुझे कुछ ऐसे पूर्वानुमान दिखाई देने लगे हैं जो थोड़े प्रासंगिक लगते हैं, लेकिन ऐसे परिणाम भी हैं जो स्पष्ट रूप से गलत हैं। हालाँकि, भले ही मैं (एक इंसान) सोचता हूँ कि कुछ गलत है, वास्तविक स्टॉक की कीमतें और भी अधिक अस्पष्ट हैं, इसलिए शायद यह समझने की सीमा से परे है। एआई, या डीप लर्निंग की समस्या यह है कि मध्यवर्ती परिणाम एक ब्लैक बॉक्स होते हैं और उन्हें नहीं समझा जा सकता है। यह समझाने में कठिनाई होती है कि ऐसा परिणाम क्यों आया है। बुनियादी तर्क मौजूद है, इसलिए मैं कुछ हद तक व्याख्या कर सकता हूँ, लेकिन एआई के लिए बारीक विवरण समझाना मुश्किल है। इसलिए, परिणामों की तुलना वास्तविक दुनिया से करना महत्वपूर्ण है ताकि यह पता चल सके कि वे सही हैं या नहीं। ऐसा लगता है कि दिशात्मक प्रवृत्ति (ऊपर या नीचे) कुछ हद तक स्पष्ट है, लेकिन "कब" ऊपर जाएगा या "कब" नीचे जाएगा, यह समय का अनुमान लगाना मुश्किल है। क्या एआई के परिणामों से केवल दिशात्मक प्रवृत्ति का पता लगाना और समय का अनुमान लगाना इंसानों द्वारा किया जाना चाहिए?

वैसे भी, जब मैं इस तरह की चीजें बनाता हूँ, तो कंपनी में, कुछ लोग "यह केवल आपकी उपलब्धि नहीं है" कहते हैं और वे "परजीवी" की तरह हैं जो आपकी उपलब्धियों को चुराते हैं या आपकी उपलब्धियों का हिस्सा मांगते हैं, और वे विभिन्न कारणों से आप पर नकारात्मक टिप्पणियाँ करते हैं और आपकी उपलब्धियों को कम आंकने की कोशिश करते हैं। ऐसे लोग हमेशा मौजूद रहते हैं। लेकिन जब मैं अकेले काम करता हूँ, तो कोई और नहीं होता है, और क्योंकि मैं किसी भी बाहरी व्यक्ति पर निर्भर नहीं हूँ, इसलिए यह स्पष्ट है कि सब कुछ मैंने ही बनाया है, और ऐसे लोग जो नकारात्मक टिप्पणियाँ करते हैं, आपकी उपलब्धियों को चुराते हैं या आपकी उपलब्धियों का हिस्सा मांगते हैं, वे बिल्कुल नहीं होते हैं, इसलिए यह बहुत अच्छा है। कंपनी में, समान चीज को 10 लोगों द्वारा बहुत धूमधाम से बनाने से, 1 व्यक्ति द्वारा अकेले बनाने की तुलना में अधिक मूल्यांकन मिलता है, जो एक विरोधाभास है। लागत-प्रभावशीलता के दृष्टिकोण से, 1 व्यक्ति द्वारा बनाई गई चीज 10 गुना अधिक लागत-प्रभावी होती है, लेकिन फिर भी समान चीज को बनाने के लिए 10 गुना अधिक लागत पर खर्च करने से अधिक मूल्यांकन मिलता है, जो एक विरोधाभास है। आईटी के बारे में ज्यादा जानकारी नहीं रखने वाले वरिष्ठ अधिकारियों को यह समझ में नहीं आता है कि कोई एक व्यक्ति इसे बना सकता है। आईटी के बारे में जानकारी न होने के कारण, वे आसानी से भव्य योजनाओं को बनाने वाले और आत्मविश्वास से भरे लोगों पर विश्वास कर लेते हैं। आईटी के बारे में जानकारी न होने के कारण, वे लोगों की संख्या के आधार पर निर्णय लेते हैं, न कि परिणामों के आधार पर। ऐसे कंपनियाँ शायद वैश्विक प्रतिस्पर्धा में पिछड़ जाएँगी। आईटी विशेषज्ञ भी ऐसी कंपनियों में ज्यादा देर तक नहीं टिकते हैं। मुझे उम्मीद है कि ऐसी कंपनियाँ हर जगह नहीं हैं। अंततः, जो लोग तकनीक या परिणामों को नहीं समझते हैं, वे लोगों की संख्या को महत्व देते हैं। अभी भी आईटी उद्योग "व्यक्ति-महीनों" पर आधारित है, और "आदेश-आधारित विकास" एक ऐसी दुनिया है जहाँ आईटी के बारे में ज्यादा जानकारी नहीं रखने वाले, लेकिन पैसे वाले ग्राहकों के लिए धूमधाम से और भव्य रूप से काम करना अधिक लाभदायक होता है, न कि कुशलतापूर्वक काम करना। परिणाम के आधार पर भुगतान होना संभव नहीं है। इसलिए, मुझे आदेश-आधारित विकास पसंद नहीं है, और मैं केवल उन कंपनियों या व्यक्तियों पर भरोसा करता हूँ जो स्वयं व्यवसाय करते हैं और अपने लिए आईटी का उपयोग करते हैं। खैर, अगर सभी लोग केवल परिणामों के आधार पर भुगतान पाते हैं, तो शायद कई लोग बेरोजगार हो जाएँगे, इसलिए आईटी उद्योग, जो बेकार लगता है, वह लोगों को रोजगार प्रदान करने में महत्वपूर्ण भूमिका निभा सकता है।



■ एयरट्रेड निगरानी में
एयरट्रेड 4 का हालिया औसत +4.3% तक बढ़ गया है। निगरानी की जा रही कंपनियों की संख्या 300 से अधिक हो गई है। यह सिर्फ एक त्रुटि या भाग्य का परिणाम हो सकता है, इसलिए अभी भी स्थिति पर नजर रखी जा रही है।
एआई मॉडल का प्रशिक्षण निश्चित रूप से जारी है। हम हर दिन धीरे-धीरे कुछ विवरणों को ठीक कर रहे हैं।

■ ५ जीत, १ हार
हाल के विश्लेषण के परिणामों पर आधारित, एअरट्रेड में ५ जीत और १ हार हुई। यह बुरा नहीं है। चूंकि यह एअरट्रेड है, इसलिए मैंने वास्तव में कुछ भी नहीं खरीदा है।

उसी दिन, और भी अधिक अजीब चीजें हुईं। वाह। यह एयरट्रेन है, लेकिन।

■ओसीआर
मैं इसे नहीं खरीदूंगा, लेकिन Sansan एक किंवदंती वाला आईपीओ बनने की संभावना रखता है। यह एक ऐसा सूचीबद्ध कंपनी है जो घाटे में है, जिसका राजस्व कम है, लेकिन इसका बाजार पूंजीकरण 1200 करोड़ रुपये है, जो कि समझ में नहीं आता।
Sansan के लाभांश की दर की गणना, आशावादी मान्यताओं के आधार पर, एक आम आदमी द्वारा की गई है। यह केवल तभी संभव है जब वास्तव में कंपनी के अध्यक्ष जैसा कहा है, वैसा विकास हो। यदि यह मोबाइल भुगतान की तरह एक युद्धकालीन स्थिति में प्रवेश करता है, तो S-ए (स्टॉक की कीमत में लगातार गिरावट) की संभावना बहुत अधिक है। तकनीकी रूप से इसे आसानी से दोहराया जा सकता है, और बाकी मार्केटिंग का मामला है। यह इस बात पर निर्भर करता है कि बड़ी कंपनियां कैसे प्रतिक्रिया देती हैं। इस लाभ मार्जिन को देखने के बाद, इसमें निवेश करने का भी मन हो सकता है।

Sansan, यह सिर्फ़ OCR तकनीक का उपयोग करके नामपट्टिकाओं को पढ़ता है, है ना? क्या ऐसा कुछ बनाकर बड़ी कमाई की जा सकती है? यह "सबसे पहले मार्केटिंग में दबदबा बनाओ, फिर बड़ी कमाई करो" वाली रणनीति, Amazon के समान है। मैं एक लोकप्रिय AI टेक्स्ट स्कैनिंग ऐप बनाने और प्रयोग करने के बारे में सोच रहा हूँ। और "Sansan के साथ संगत" कहकर पूरे ग्राहक आधार को छीन लेना (मुस्कुराते हुए), क्या यह बहुत ज़्यादा होगा? फिलहाल, मैं एक ऐसा ऐप बनाने की सोच रहा हूँ जो फ़ॉन्ट की स्ट्रिंग को छवियों से अनुमानित करे।

इस तरह, मैंने Sansan पर लेख खोजे, और पाया कि 100% सटीकता के बिना यह लोकप्रिय नहीं होगा।
https://www.itmedia.co.jp/news/spv/1906/17/news042_2.html
यह एक "जापानी विशेषता" है। यह आश्चर्यजनक रूप से मुश्किल लगता है। शायद यही इसे अलग बनाता है, लेकिन मुझे लगता है कि दुनिया के लोग इतनी सटीकता की उम्मीद नहीं करते हैं।
शायद नामपट्टियाँ ही गायब हो जाएँगी।

Google के पास ओपन-सोर्स OCR है, इसलिए शायद मैं इसे बाद में आज़माऊँ।

■ उसके बाद
AI मॉडल को प्रशिक्षित करने का काम लगातार जारी है, और मैं साइट को जारी रखते हुए छोटे-छोटे समायोजन कर रहा हूँ। मैं बाजार की खराब स्थिति को नहीं जीत पा रहा हूँ, इसलिए प्रदर्शन बहुत निराशाजनक है। यदि बाजार अच्छा है, तो यह 1% के आसपास है, लेकिन जब बाजार खराब होता है, तो यह नकारात्मक होता है। शायद मुझे केवल अच्छे बाजार में ही इसका उपयोग करना चाहिए। इसे सीधे उपयोग करना मुश्किल है, लेकिन सभी शेयरों को स्वयं स्कैन करना मुश्किल है, इसलिए कुछ हद तक फ़िल्टरिंग के तरीके के रूप में इसका उपयोग करना ठीक हो सकता है।

निर्माण अवधि:
मार्च 2019 के मध्य: Matlab डाउनलोड किया और प्रयोग शुरू किया।
अप्रैल की शुरुआत: Python का पहला प्रयास।
अप्रैल के अंत: AI विश्लेषण साइट का प्रारंभिक संस्करण पूरा हुआ।
मई के अंत: AI विश्लेषण साइट लगभग पूरी हो गई।
उसके बाद, मॉडल को एक समर्पित PC पर लगातार प्रशिक्षित किया जा रहा है। समायोजन लगातार किए जा रहे हैं।