수치 계산 플랫폼에서 AI 기능도 가능한 MATLAB이 개인용으로 판매되고 있습니다.
https://jp.mathworks.com/pricing-licensing.html?intendeduse=home&prodcode=ML&fbclid=IwAR0zonp3Hw92OG7K7gv_xNsfmUuq993uUwimw8D2P2FoUafKSbjT08mQ5fI
이런 가격으로 판매되고 있다는 것을 몰랐습니다... 조금 더 빨리 알았더라면... 언제부터 Home 에디션이 나왔을까요? 예전에는 수십만 엔짜리 버전밖에 없어서 개인은 무료인 "R" 등을 사용하며 노력했던 것 같습니다. 하지만 1.6만 엔 정도면 이것을 사용할 수 있다면 모두가 이쪽을 선택할 정도로 훌륭한 소프트웨어입니다. 깊이 있게 사용하려면 이 분야는 꽤 어렵지만, 30일 무료 체험이 가능한 것 같으니, 일단 간단한 주제로 단순한 주가 분석 등을 통해 사용 편의성을 다시 한번 확인해 보겠습니다.

■ 피팅
아주 오래전에 제가 만든 학습용 샘플을 실행했더니 그대로 작동했습니다. 좋네요. 잘 기억하지 못해서 다시 학습해야 하지만, 확실히 이것은 노이즈가 있는 주기 함수에 대해 "피팅"이라는 함수를 사용하여 "유추" 처리를 수행하고 그래프로 표시한 것입니다. 점은 원래의 생 데이터이고, 파형은 유추한 그래프입니다. 정답을 알고 있는 것에 대해 피팅을 수행함으로써 방법의 정확성을 확인하고 있습니다.

■ 인구 통계
제가 예전에 학습용으로 만든 샘플입니다. 인구 통계를 바탕으로 대략적인 미래를 예측하여 그래프로 표시합니다.

■ 주가 근사
웹에 떠돌아다니던 주가 데이터를 반년치 분량을 간단한 그래프로 근사하고 예측해 보았지만, 제가 1시간 정도 가볍게 실험한 것치고는 전혀 쓸모가 없습니다. 좀 더 제대로 공부해야 할 것 같습니다. 좋은 "이론"이 있으면 좋겠지만, 놀 거라면 이 정도도 괜찮지만, 쓸모 있게 만들면 더 재미있을 것 같습니다.
파란 점: 실제 주가. 빨간 선: 근사한 그래프
데이터: 6754 안리츠 주식회사

몇 시간 동안 이것저것 만져보고 놀아봤습니다.
■ 파란 점: 실제 과거 주가
■ 빨간 선: 과거 주가의 근사 그래프 (왼쪽)와 미래 예상 그래프 (오른쪽). 파란 점의 데이터만 사용하여 미래를 예측한다는 가정입니다.
■ 노란색: 미래 주가의 정답
미래의 빨간 그래프가 노란색 원과 일치하면 예측이 정확하다고 할 수 있지만, 당연히 바로 완벽하게 일치하지는 않습니다. 원본 데이터가 수학적으로 이상한 (예외) 움직임을 보이는 데이터이기 때문에 근사한 그래프에도 이상한 부분이 나와서 방해를 합니다.
이렇게 쉽게 주가를 예측할 수 있다면 엄청나겠죠... 이 분야는 어렵지만, 가벼운 놀이로서는 이 소재는 난이도가 높고 재미있습니다. 혹시라도 쓸모 있는 것이 만들어진다면 (아마 없을 것 같지만) 그것은 그것대로 활용할 수 있을 겁니다.
어쨌든, 오늘 오후의 가벼운 놀이 및 학습에 좋은 소재입니다.
데이터: 6754 안리츠(주)

주가 분석에 활용할 만한 그래프가 점점 더 많이 나오고 있습니다.
■ 오른쪽의 보라색 그래프: 예상 주가
■ 오른쪽의 노란색 원: 실제 미래 주가
왠지 모르게 비슷해 보입니다.
파라미터에 따라 성공하기도 하고 실패하기도 하며, 정확도에 편차가 있지만, 저녁 시간보다 훨씬 나아졌습니다.
간단하게 만들었는데 이 정도 정확도라면 꽤 괜찮은 것 같습니다.
오랫동안 수학을 사용하지 않아서 잊어버렸던 것들이지만, 시행착오를 거치면서 조금씩 떠올리고 있습니다.
그렇다고 해서 제가 대단한 것은 아니고, MATLAB의 풍부한 문서가 훌륭하기 때문입니다.
물론 이해하지 못해도 일단은 답이 나오기는 하지만, 응용하기 위해서는 좀 더 수학을 공부해야 할 것 같습니다.
만약 잘 된다면 취미로 주가 예측 웹사이트를 만들어 볼까요? (웃음)

진지하게 할지는 모르겠지만, 구글이 더 빨리 인식하도록 주가 분석 사이트를 메인 페이지만 간단하게 만들었습니다. 이런 일은 몇 달 또는 몇 년 정도의 시간이 걸리는 일이기 때문에 일단 사이트를 만들어두는 것이 좋습니다. 의외로 꽤 짧은 도메인이 남아 있어서 구할 수 있었습니다.
AI 주가 예측 - https://kabu2u.com
https://kabu2u.com

■ AI의 LSTM(long short-term memory network)
LSTM을 시험해 보았습니다.
MatLab은 정말 대단합니다. (저는 아직 수학 내용을 이해하지 못하는데도) 이렇게 간단한 것을 쉽게 만들 수 있습니다. (Python에서는 시도해 보지 않았기 때문에 비교는 할 수 없습니다)
지금 요가에서 돌아와서, 잠들기 전 30분 동안 간단히 조사하고 실험해 보려고 했는데, 고민하지 않고 척척 만들어내는 MatLab은 정말 대단하네요.
이 LSTM은 심층 학습(딥러닝)을 수행하기 위한 것입니다. 흔히 AI라고 불리는 것이지만, 만화에 나오는 아톰과 같은 엄청난 AI가 아니라, 실제로는 이와 같은 머신 러닝입니다.
코드는 샘플에서 그대로 가져온 것이지만, 몇 번 반복하면 매번 학습 결과가 달라, 똑똑한 AI가 나올 때도 있고, 멍청한 AI가 나올 때도 있습니다. 이 첨부 이미지는 꽤 좋은 성적을 보이는 아이입니다. 뒤쪽은 학습 중에 나타나는 화면이고, 앞쪽에 있는 그래프의 Forecast 부분은 예측 결과입니다. 실제 그래프와 비슷해서 정말 대단합니다. 물론, 멍청한 아이가 나올 때도 있기 때문에, 결과가 안정적이지 않은 것은 심층 학습(딥러닝)의 장점인 동시에 단점이라고 할 수 있습니다. 좋은 결과가 나올 때는 꽤 놀라운 일이 될 것 같습니다. 내일부터 내부에서 무엇을 하고 있는지 자세히 살펴보겠습니다.

전반부 데이터로 후반부를 예측해 보겠습니다. 역시 마지막 부분은 오차가 크지만, 연결 부분은 상당히 높은 정확도를 보입니다. 인공지능이 정말 대단하네요... 이거, 인간이 이길 수 없을 것 같습니다.

며칠 전에는 1개의 데이터(종가만)로 학습을 진행했는데, 종가뿐만 아니라 시가, 고가, 저가, 종가, 거래량의 조합으로 딥러닝을 시도해 보았지만, 큰 차이가 없습니다. 오히려 제가 어디가 잘못되었을 가능성도 큽니다. 제대로 이해하지 못하고 있습니다. 딥러닝의 기초 이론은 이해할 수 있을지 몰라도, 이런 LSTM(long short-term memory network)과 같은 복잡한 알고리즘을 이해하려고 하면 머리가 복잡해집니다.
소문으로 들었듯이 딥러닝은 학습에 CPU 파워를 많이 사용하므로, 하드웨어 칩을 구매해야 할 수도 있습니다. 지금은 노트북이라 USB 칩을 찾아봐야겠네요... 그래픽 보드는 장착할 수 없습니다.

호호ー. 제 흉내내기 AI가 말하길, 1332 N 주식의 현재 주가는 812원에서 잠시 횡보할 것이라고 합니다. 오른쪽 상단의 빨간 선 부분을 보세요. 2주 후 예상 주가는 822원으로, 겨우 1% 상승입니다. 따라서, 이곳은 매수할 곳이 아닙니다. 현재 보유하고 있다면, 일단 팔아서 현금으로 바꾸는 것이 좋겠습니다. (믿지 마세요. 재미로 쓴 글입니다. 취미로 만들고 있는, 막 태어난 귀여운 아이 AI입니다. 이걸 믿고 구매하시면 곤란하며, 책임은 지겠습니다.)

어젯밤부터 도쿄 증권 거래소의 모든 종목을 스캔하고 있습니다. 과거 360일(최대) 동안의 분석을 하는데, 1개 종목당 약 1분 정도 걸립니다. Mac의 노트북, Intel Core i7을 사용하고 있습니다. 현재 1200개 정도가 완료되었고, 남은 것은 2400개입니다. 통계를 살펴보니 10개 종목 정도가 최대 10% 상승을 기대할 수 있는 것으로 보입니다. AI는 대략 100개 종목 중 1개 정도가 상승할 것으로 판단하고 있습니다. 하지만 AI의 예측에는 오차가 있을 수 있으므로, 같은 종목을 여러 번 실행하면 상승하지 않을 것으로 예상되기도 합니다. 아직 AI의 예측을 완전히 신뢰하지는 못하지만, 예상치 못한 종목이 나타나기도 하고, 제가 직접 도쿄 증권 거래소의 모든 종목을 확인할 수는 없기 때문에, 좁혀나가는 데 활용하는 것은 괜찮다고 생각합니다. 목표인 3600개 종목 중에서 처음에는 30개 정도의 종목이 후보가 되고, 거기서 더 좁혀서 10개 이하로 만들 수 있다면 좋겠습니다.

외국 환전(FX)도 AI 분석을 제공합니다. 하지만 통화별로 분석하기 때문에 실제로 유용할지는 확실하지 않습니다. 일단은 지켜보겠습니다. FX는 어렵니까요...

집에 있는 컴퓨터로 AI 주가 분석(시간이 오래 걸림)을 하면서 오후에는 가모 산으로. 오늘 아침까지 나온 상승 기대 상위 종목은 그럭저럭 괜찮은 성적(구매하지 않음)을 보이고 있지만, 아직도 변동성이 있습니다. 모든 종목을 한 단위로 구매한 후 하락하면 바로 매도하고 상승하는 것만 계속 보유하는 방법도 있을 것 같습니다. 결국 어떤 것이 오를지는 알 수 없으니까요.

점괘: "吉. 지금까지 여러 가지 어려움이 많았지만, 드디어 운이 열리고 걱정거리가 없어지고 모든 일이 성공할 때가 되었습니다."
라고 되어 있네요. 맞을까요?

지난 1주일 동안, AI로 선별한 종목을 실험적으로 매수해 보았습니다.
AI 예측으로 30개 종목 정도로 좁힌 후, 제가 직접 확인하여 10개 정도의 종목으로 좁히고, 그중 차트가 좋아 보이는 종목을 몇 개 구매했습니다.
지난 주는 전체적인 시장 분위기도 좋았기 때문에, 해당 종목들은 "전반적으로 탄력적으로 움직이며, 크게 하락하지 않고, 일부 종목이 상승"하는, 나쁘지 않은 결과를 보였습니다. 폭등은 없었지만, 손해를 보지 않았으니 일단은 괜찮습니다. 전체적으로 1주일 동안 몇 퍼센트 정도 상승하여 마무리했습니다. 실험으로는 나쁘지 않았습니다.
하지만, 오늘(월요일)은 뉴욕 시장의 영향을 받아 도쿄 시장이 폭락하면서 일부 종목이 그 영향을 받아 원래 가격으로 돌아갔습니다. 아무리 AI라고 해도 폭락에는 휘말리네요... 시장 분위기가 더 강한 것은 당연하다고 할 수 있습니다.
현재는 종목별로 AI 분석을 하고 있기 때문에, 뉴욕 시장과의 연관성은 알려주지 않았습니다. 그래서 그런 부분도 AI에게 가르쳐줘야 할 것 같습니다.
연관성을 기억하게 하는 것보다는, 뉴욕 시장 자체로 예측하여, 밤에 하락할 것 같으면 미리 포지션을 줄이는 정도의 대응도 괜찮을 것 같습니다.
(이 이미지는 매수한 종목과는 관련이 없습니다.)

■Google TPU
납기 예정일이 3주로 되어 있었지만, 실제로는 10일 정도 만에 도착했습니다. 생각보다 빨리 왔네요. Matlab에서는 사용할 수 없으니, 나중에 Python으로 사용해 봐야겠네요.

■ Python 처음 사용
Python은 처음이라, 이미 Matlab으로 분석한 데이터를 불러와 그래프로 표시해 보았습니다. Matlab의 대체가 될 수 있겠네요. Matlab을 사지 않아도 될 것 같습니다. Matlab의 체험 기간 동안 Python으로 전환할 수 있다면 아마 사지 않을 것 같지만, Matlab은 사용하기 편해서 구매할지 고민되는 부분입니다. AI 외에도 다양한 기능을 사용할 수 있으니까요. Google에서 만든 AI 칩을 사용할 수 있는 것은 Python뿐이고 Matlab에서는 사용할 수 없기 때문에, 어쨌든 Python으로 전환하는 것은 필수입니다.
Python은 다른 언어에서는 잘 볼 수 없는 독특한 문법, 즉 언어의 특징이 있어서 재미있거나 미묘한 느낌도 있지만, 배열을 사용할 수 있다는 장점이 있기 때문에 그 독특한 문법의 단점이 어느 정도 상쇄되는 느낌입니다. 뭐, 익숙해지는 문제겠죠.
그 외에는 핵심적인 AI 부분을 대체해야 하는데, 그 부분은 아직입니다.

며칠 전 MATLAB에서 했던 가우시안 프로세스 회귀(Gaussian Process, GP) 분석을 Python으로 구현했습니다. MATLAB을 사용할 때는 넘어가던 부분인데, 파라미터에 따라 결과가 상당히 달라지는 것 같아서 일단 가장 간단한 파라미터로 구현했습니다. 이것은 본론이 아니며, 본론은 AI이기 때문에 이 정도면 괜찮습니다. 사용한 지 며칠 정도 되었지만, Python에도 조금씩 익숙해지고 있습니다.

어려운 점은 실행 속도가 MATLAB에 비해 Python이 느려서, 분석을 하는데도 몇 초씩 기다려야 한다는 것입니다. 역시 MATLAB은 훌륭하네요. Python은 느리다는 것이 일반적인 이야기이지만, 얼마 전에 산 AI 칩을 사용하면 AI 분석은 빠를 것이므로 Python으로도 문제는 없을 것 같습니다. 칩은 AI 전용이기 때문에 다른 처리 속도가 느린 것은 어쩔 수 없는 부분입니다.

■TensorFlow
오늘 TensorFlow 2 + Python 3으로 AI 구현을 시도했지만, 인터넷상의 정보 대부분이 TensorFlow 1 버전이고 TensorFlow 2용 샘플이 많지 않아 시행착오를 거쳐 어느 정도 프로토타입 수준까지 만들었지만, 출력되는 값이 이상하고, 정답이 나오지 않습니다. MATLAB을 사용할 때는 하루 만에 쉽게 만들 수 있었지만, 여기서는 좀 더 시간이 걸릴 것 같습니다. 역시 MATLAB은 제품이다 보니 사용하기 편리합니다. Python도 어느 정도 익숙해져서 해결될 것 같지만, 각 라이브러리마다 자체 규칙이나 변환이 필요한 점이 번거로운 부분입니다.

그런데, 구매한 Google의 AI용 TPU 칩은 Raspberry Pi와 함께 사용하는 것이 좋다고 하니, 예전에 구매해놓고 사용하지 않던 Raspberry Pi를 재설치하고 있습니다. 예상치 못한 방식으로 유용하게 사용될 것 같습니다. Raspberry Pi는 그동안 케이스가 없었지만, 오래 사용할 것 같아서 케이스를 구매했습니다. 처음에는 오랫동안 전원을 켜지 않았더니 작동하지 않아서, Micro SD 카드를 뽑으려고 했는데 깨져서 새로 구매해야 했습니다. 운영체제도 재설치했습니다. 번거롭지만 어쩔 수 없습니다.

■ 주주 손익 시뮬레이션
간단하게 주주의 손익을 시뮬레이션하여 그래프로 나타냅니다.
위의 그래프는 실제 주가 변동과 근사식입니다. 가운데 그래프는 이번에 추가한 것으로, 0보다 위는 이익이고 아래는 손실입니다. 그래프가 0보다 위이면 평균적으로 모든 주주가 이익을 얻고 있는 상태이고, 아래이면 평균적으로 손실이 발생하고 있는 상태를 가정한 그래프입니다. 누가 매수 매도했는지는 알 수 없으므로 평균적으로 모든 주주가 거래하고 있다고 가정하고 있습니다. 이러한 가정을 해도 의외로 그럴듯한 그래프가 나타납니다. 그래프가 0보다 아래이면 모두 손실을 보고 있고, 위이면 모두 이익을 얻었다고 생각하면 됩니다.
이를 보면 2018년 11월 전후로 주가가 하락하여 손실을 보는 사람이 많아졌지만, 현재는 안정적인 상황이라는 것을 알 수 있습니다. 하지만, 지금 사야 할지 여부는 이 그래프만으로는 알 수 없습니다. 오히려, 이런 것은 "사면 안 되는" 지표로 기능할 것 같습니다. 2018년 4월에는 주가 변동이 크지 않았음에도 반등으로 이익을 얻은 사람이 있었지만, 그 외에는 손실이 많은 상황입니다.
이는 AI나 머신러닝이 아니라, 단순히 시뮬레이션한 결과입니다. 하지만, 의외로 이런 것이 소소하게 도움이 될 수 있습니다.

■ 주주들의 잠재적 이익 시뮬레이션
더욱 자세한 분석. 주주들의 잠재적 이익을 시뮬레이션하여 그래프로 표시합니다. 점점 더 그럴듯해지고 있습니다.

이 새로운 그래프를 통해 다음과 같은 점에 주목할 수 있습니다.
■ 주가가 몇 배로 상승했음에도 불구하고 마지막까지 (주주 전체의 평균적인) 잠재적 이익이 생각보다 오르지 않는 부분 (①).
■ 마지막 주가 급락 시 (②)에 왜인지 잠재적 이익이 크게 감소하지 않는 부분 (③). 이는 확실하게 상위에서 이익을 실현하고 있는 듯한 느낌입니다.
■ 마지막 주가 급락 시 거래량이 증가 (④)하고, 동시에 잠재적 이익이 증가 (⑤)합니다. 즉, 풋옵션을 던진 사람들의 물량을 큰 손들이 받아 리바운드를 통해 이익을 얻는 것일 수도 있습니다.
지금까지 보이지 않았던 것들이 보이기 시작합니다. 분석은 정말 재미있습니다.

이번에는 이 종목을 분석합니다. 뉴스에서도 큰 소동을 일으켰던 어느 회사인데, 주가가 폭락했습니다 (1번).
주가가 하락하는 동시에, 미실현 이익(추정)도 계속해서 줄어듭니다 (2번). 마지막으로 바닥을 찍고 반등했습니다 (3번). 반등을 통해 미실현 이익은 증가했지만 (4번), 주주의 손익이 마이너스입니다 (5번. 중앙 빨간 선 아래는 마이너스). 이는 마지막 반등 시에 일시적으로 미실현 이익이 증가했지만, 이익 실현을 하지 못하고 결국 손절매를 한 사람이 많았다는 것을 의미합니다. 물론, 이것은 시뮬레이션 상에서의 이야기입니다.
이 하나의 종목이 모든 것을 나타낸다고 단정할 수는 없지만, "반등을 노려도 손해를 볼 가능성이 더 높다"는 것을 시사하는 것일 수도 있습니다. 반등을 해도 평균적인 주주는 손해를 본다는 것이 이 그래프에 명확하게 나타나 있습니다.
주가가 하락하는 종목의 반등을 노리는 것은, 이 내용을 볼 때, 가급적 피하는 것이 좋을지도 모릅니다.
<이것은 저의 주관적인 해석이며, 일반적인 해석과는 다를 가능성이 매우 높으므로 주의하십시오. 저는 주식에 능숙하지 않습니다.>
■ 이동 평균선
이동 평균선(9일, 25일, 75일)의 상하 위치에 따른 매매 신호를 추가했습니다.
이는 "이동 평균선, 궁극의 읽는 방법 및 활용법"이라는 교과서 같은 자료에 나와 있는 알고리즘을 그대로 구현한 것입니다.
신호 위에 있는 색상은 다음과 같은 의미를 나타냅니다.
- 짙은 빨간색: 강한 매수 신호
- 짙은 녹색: 강한 매도 신호
- 중간색: 그 중간 단계
교과서적인 내용이지만, 신호가 발생하면 바로 그에 따라 행동하면 어느 정도 이익을 얻을 수 있을 것 같습니다.
기본이 중요하군요...

■MACD
분석의 기본(?)인 MACD(MACD 자체 + MACD 평균 + 히스토그램)를 표시합니다. 또한, 현재 단계를 라벨로 표시하고, 단계가 언제 바뀌었는지 알 수 있도록 선을 추가했습니다.

■RCI
"RCI"라는 주식 지표를 추가했습니다. 일반적인 RCI는 단기선과 장기선의 두 가지 선으로 표시되지만, MACD의 신호와 유사한 히스토그램(막대 그래프)을 추가하여 더 쉽게 확인할 수 있도록 했습니다(RCI 영역에 있는 녹색 막대 그래프가 그것입니다). 일반적인 주식 도구에는 이런 기능이 없는 것이 이상할 정도로 좋은 기능입니다.
또한, RCI와 MACD를 함께 비교하는 것이 번거로우므로, 두 지표 모두 양수인 경우 그 사이에 빨간 점, 두 지표 모두 음수인 경우 녹색 점을 표시하여 신호 표시를 더 명확하게 했습니다.
이렇게 보면 이동평균선의 신호(RCI 위)와 이번에 추가한 신호(RCI와 MACD 사이에 있는 신호)의 차이를 비교해 볼 수 있어서 흥미롭습니다.
이는 장기적인 분석과 단기적인 분석이 다를 수 있다는 것을 보여주는 것입니다. 꽤 재미있는 기능입니다. 오늘 추가한 신호는 꽤 유용하게 사용될 것 같습니다.

■ 단기 변동 그래프
원래 주가에서 이동평균선(추세) 값을 빼서 단기 변동만 그래프로 표시합니다. 이를 통해 추세에 영향을 덜 받고 단기 변동을 더 쉽게 확인할 수 있습니다.
(몇 일 이동평균선을 사용할지에 따라 그래프가 달라지므로, 가능한 한 가로로 일직선으로 배열되는 값을 대략적으로 자동으로 판단하여 표시합니다.)
예를 들어, 원래 주가에서 89일 이동평균선의 값을 뺀 차이 그래프입니다.
원래는 시계열 분석을 하려고 했지만, 분석해 본 결과 뚜렷한 주기적인 특징이 나타나지 않았기 때문에, 일단 분석 과정에서 얻은 그래프만 표시했습니다. 이 그래프는 자체적으로도 꽤 유용해 보입니다.

■ 똥창즈 규칙
"4주 동안의 최고가를 넘으면 매수하고, 최저가를 밑돌면 매도한다"라는 "똥창즈 규칙"을 시각화하여, 실제로 최종일의 종가가 기준값을 넘으면 레이블을 표시하도록 변경했습니다. 훨씬 보기 좋아졌습니다.
다양한 규칙들이 생겨나고 있지만, 어떤 규칙이 실제로 유효한지 확인하지 않으면 신호가 너무 많아져서 오히려 사용하기 어려워지는 것 같습니다.
언젠가 시뮬레이션을 통해 확인해 봐야겠네요...

■ 시뮬레이션
시뮬레이션을 통해 해당 주의 종가로 매수했을 때, 5% 플러스/마이너스 중 어느 쪽을 먼저 달성하는지 빨간색/녹색으로 표시합니다.
이를 통해 "어디에서 매수하는 것이 좋을지", "어디에서 매도하는 것이 좋을지"에 대한 대략적인 기준을 쉽게 설정할 수 있게 되었습니다.
어떤지는 잘 모르겠지만, RCI 히스토그램(막대 그래프)이 약간 튀어나오는지 여부가 신호로 사용될 수 있을 것 같습니다.
참고로, 최근에 관심을 가지고 있던 이 종목은, 여성이라면 누구나 알고 있는 유명 에스테틱을 인수했던, 원래 3차원 그래픽 LSI 제조를 주력으로 하는 어느 회사입니다. 이 회사에 대해 알고 있는 사람은 알겠지만, 주가가 매우 이상합니다. 매출은 500억 원이지만 영업적자는 발생하고, 시가총액은 34억 원입니다. 아무리 적자가 크더라도 현금 흐름은 상당한 흑자를 기록하고 있으며, M&A로 인한 "무형자산 상각"이 5년 동안 회계적으로 부담이 되지만, 곧 끝날 것이고, 앞으로 상승할 가능성이 큽니다. 매출 500억 원으로 흑자 50억 원까지 회복될 때 시가총액이 34억 원이라는 것은 있을 수 없으며, 최소한 흑자 전환되는 시점에는 주가가 상승할 것이고, 보통은 매출과 비슷한 수준이어야 하므로 시가총액 상한선은 500억 원이라고 볼 수 있습니다. 따라서, 예상치 못한 10배 상승 가능성이 있습니다. 그 정도까지 가지 않더라도 흑자 전환이 예상된다면, 현재 주가에서 2배 상승을 기대할 수 있습니다. 물론, 큰 손들의 매매로 인해 더 하락할 가능성도 있습니다. 이미 주가가 이상한 상태이므로, 앞으로 반으로 하락하더라도 놀랍지 않습니다. 실제로, 3월 말부터 이 종목을 관찰하며 여러 번 매수/매도했지만, 3월 말에 받은 우대 혜택(에스테틱 이용권)을 노린 후 하락이 심했습니다(웃음). 게다가, 이후 큰 손들의 매도세가 발생하여 10%나 하락했습니다. 앞으로도 하락할 가능성이 있지만, 다음 달에는 본 결산이 있고, 에스테틱은 여름에 여성들이 가장 관심을 갖는 분야이기 때문에(피부 노출이 많아 에스테틱에 가고 싶어지기 때문) 이 종목은 앞으로 6개월 동안 흥미로운 움직임을 보일 것으로 예상됩니다.
→ 그런데, 조사해 보니 해당 종목의 매출은 회계적인 허구일 가능성이 있습니다. 다소 수상한 실적입니다.

■ MATLAB과 동등한 수준에 도달
AI (딥러닝)을 Python + TensorFlow(Ver2)로 구현했습니다. MATLAB에서 수행하던 것과 거의 동일한 처리입니다.
그래프의 오른쪽 중앙에 있는 녹색 점이 AI가 예측한 미래 주가입니다. MATLAB과 결과가 어느 정도 비슷하므로 기본적으로 동일한 방식입니다.
처음에는 TensorFlow(Ver2)만의 독특한 작성 방식에 익숙해지지 않아 만들기가 어려웠지만, 샘플을 찾은 후에는 비교적 원활하게 만들 수 있었습니다. 아직 Google TPU 칩을 사용하지 않고 Mac의 CPU로 실행하면 당연히 느립니다. 이것을 Google TPU 칩을 사용하여 얼마나 빠르게 만들 수 있을까요. 그것은 또 다른 날에 이야기하겠습니다.
이처럼 간단한 것일 뿐이지만, 이걸로 저도 AI 엔지니어의 일원이 될 수 있을까요 (웃음).

■FX
FX(외국 환전 USD)를 고려하여 주가 예측 기능을 개선했습니다. 어제까지는 해당 종목의 주가만(1변수) 고려했지만, 이제는 주가와 USD 외국 환전(2변수)을 함께 고려합니다.
하지만, 겉으로 보기에는 큰 차이가 없어 보입니다... 검증이 필요해 보입니다. 아마도 상관 관계가 없을 수도 있습니다. 도쿄 증권 거래소 1부의 대형주라면 가능할 수도 있습니다. 다른 요소들도 좀 더 추가해 보겠습니다.

다음으로 "주가, 거래량, USD 외환(FX)"의 3가지 변수로 분석합니다.
1개의 변수를 2개의 변수로 바꾸는 작업이 이미 가능하기 때문에 3개의 변수로 만드는 것은 아주 간단합니다.
음, 겉보기에는 큰 차이가 없습니다. 정확도는 어떨까요?
역시나 NY 다우 같은 지표를 포함하는 것이 좋을까요?



■Google TPU는 LSTM을 지원하지 않았습니다.
Google TPU 칩(USB)을 Raspberry Pi에서 사용하려고 시도했지만, 제가 사용하고 싶었던 LSTM(RNN)은 지원되지 않고, 분류(Classification) 등만 지원한다는 것을 알게 되었습니다. 실망스럽지만, 공부가 되었으니 괜찮다고 생각합니다. 역시 칩이 저렴한 이유가 있군요. 이렇게 어설픈 장난감도 팔 수 있다니, 역시 Google입니다. 동적 인식 등 특정 용도에는 괜찮을 것 같습니다.

・TensorFlow 라이브러리를 설치하는 데 30분이나 1시간이나 기다려야 했습니다. Raspberry Pi가 너무 느립니다.
・기본적으로 TensorFlow Ver1 계열이고, Ver2는 소스에서 빌드해야 하는 것 같아서 빌드 환경을 만들려고 했지만, Bazel이라는 도구를 빌드하는 데 24시간 이상 걸렸고, 결국 최신 버전의 Bazel은 지원되지 않아서 다시 이전 버전의 Bazel을 빌드해야 했습니다. 그래도 TensorFlow Ver2는 제대로 작동하지 않았습니다. 실망스럽습니다. Raspberry Pi의 기본 OS에서 실패했기 때문에 Ubuntu로 바꿔서 시도해도 같은 문제가 발생했습니다. 다시 원래 OS로 되돌렸습니다.
・Raspberry Pi는 CPU가 Arm이기 때문에 Google TPU에서 기본적으로 제공하는 라이브러리나 Docker 이미지를 그대로 사용할 수 없고, Raspberry Pi용으로 만들어진 것만 사용할 수 있다는 점이 불편합니다.
・OS의 기본 Python 버전이 Ver3.5였기 때문에 먼저 Ver3.7을 소스에서 빌드했지만, TensorFlow가 지원하지 않는 것 같아서 Ver3.6을 설치했지만 큰 차이가 없어서 기본 버전인 Ver3.5로 되돌렸습니다.
・라이브러리가 문제일까 봐 몇 가지를 소스에서 빌드했지만, 그래도 작동하지 않았습니다.
・결국, Keras를 통해 TensorFlow를 사용하는 경우에는 Ver1과 Ver2의 차이가 크지 않다는 결론에 도달했고, Mac에서는 어떤 버전에서도 작동한다는 것을 확인했습니다.
・Google TPU는 자체적으로 "처음부터 학습"하는 기능은 지원하지 않고, "재학습"만 지원하며, 모델을 CPU에서 만들고 나서 특수한 변환을 거쳐 클라우드 페이지에서 다시 변환해야 사용할 수 있다는 것을 알게 되었지만, 이 변환이 제가 사용하고 싶었던 LSTM/RNN을 지원하지 않는다는 것을 알게 되었습니다. 실망스럽습니다.

저렴한 PC와 NVIDIA GPU 세트를 살까, 아니면 지금 있는 PC로 참을까 고민되네요...

■ AI 주가 분석 사이트 제작
https://kabu2u.com
https://kabu2u.com
간단하지만 주가 AI 분석 사이트를 업데이트합니다. 변동성이 높은 종목부터 조금씩 올릴 예정입니다. 어느 정도 세밀하게 올려야 할지 잘 모르기 때문에, 일단은 분석 후 2주가 지난 오래된 데이터만 게시합니다. 미래 예측은 아직 올리지 않습니다. 미래 예측을 올려놓고 불만이 들어오면 번거로우니까요. 미래에 정확도가 높아지면 미래 예측을 유료화하는 것도 괜찮을 수 있습니다. 어쨌든 아직은 그렇게 좋은 정확도가 나오지 않기 때문에, 일단은 이 정도 수준으로 시작하는 것이 좋을 것 같습니다.

■ 엘리엇 파동 분석
엘리엇 파동 분석에 도전 중입니다. (엘리엇 파동이 무엇인지 궁금하시면 검색해 보세요.)
실제 파형에서 몇 번째 파동이 오고 있는지 판단하도록 하려고 했지만, 꽤 어렵기 때문에 방향을 전환했습니다.
엘리엇 파동을 시뮬레이션하고, 시뮬레이션 결과를 AI에게 학습시킨 후 예측을 해보려고 합니다.
먼저 피보나치 수열을 번갈아 가며 더하고 빼서 그래프로 표시한 것이 왼쪽 위의 그림인데, 그대로는 음수 값이 나오기 때문에 (주가에는 음수가 있을 수 없으므로) 전체적으로 양수가 되도록 직선으로 올려놓은 것이 오른쪽 위의 그림입니다. 음… 뭔가 조금 다른 것 같습니다. 직선으로 올린 것뿐만 아니라 이차 곡선으로 올려놓은 것이 왼쪽 아래입니다. 이것은 꽤 괜찮은데, 뭔가 다른 느낌입니다. 하지만 실제 주가도 이해할 수 없는 움직임만 하니까, 이 정도면 충분할지도 모릅니다.
일단 그래프를 그렸으니, 이것을 바탕으로 가짜 주가를 만들고, 더 나아가 AI 분석을 합니다. 그렇게 해서 나온 그래프가 오른쪽 아래입니다.
이렇게 AI에게 학습시켰지만, 실제 예측에 사용했을 때 어느 정도의 정확도가 나올지는 앞으로 확인해야 합니다.



■ AI 분석용 전용 PC 구축
노트북(서브 PC)에 Ubuntu Linux를 설치했습니다. 원래 Windows가 설치되어 있었는데, AI 분석을 계속 실행하면 몇 시간마다 멈춰서 분석이 지연되어서 어쩔 수 없이 Linux Ubuntu를 설치했는데, 정말로 훨씬 쾌적해졌습니다. Linux의 쾌적함이 Windows를 뛰어넘는 시대가 시작되었을지도 모릅니다. 최근의 Windows는 불안정하고 느립니다. 스스로 자신의 목을 조르고 있는 느낌입니다. 오피스 프로그램은 WORD/Excel이 필요하기 때문에 Windows로 가야 할 것 같지만, 그 외에는 더 이상 Windows가 필요 없는 시대가 되어가고 있습니다. 지금부터 만들라면 웹화를 기본으로 하고 Word/Excel/PowerPoint가 필요 없도록 만들면 Windows가 필요 없어질 것 같습니다. Microsoft는 기본적으로 좋아하는 회사이지만, 그래도 최근의 Windows의 불안정함에 정말로 어려움을 겪고 있었습니다. 실행 속도도 Linux에서 더 빠릅니다. Google TPU 칩(USB)도 문제없이 사용했습니다.

■ 특징량으로 추출하여 분석
사람들이 의식하고 있을 만한 범위를 특징량으로 추출하여 분석 중입니다. 종목에 따라 다르지만, 어느 정도 좋은 정확도를 보이는 경우도 있습니다.
딥러닝은 결국 뇌의 뉴런 움직임을 모방한 것이므로, 입력으로 특징량을 미리 분해해 주는 방식으로 정확도가 향상된다는 것은 논리적으로 타당합니다. 하지만 그렇게 특정화하면 해당 특징량과 관련 없는 종목에서는 정확도가 급격히 떨어집니다. 주가 분석은 원래 어려운 것이므로, 사용할 수 있는 조건이 있다는 것만으로도 괜찮다고 봐야 할지도 모릅니다.
해당 특징량이 의미를 가진다면 딥러닝 과정에서 점차 오차가 줄어들면서 수렴하지만, 그렇지 않으면 특징량의 값에 오류가 있거나, 혹은 그 특징량 자체가 의미가 없을 수도 있습니다. 후자의 깨달음은 새롭습니다. 딥러닝이 주식 세계에서 일반적으로 "당연"하다고 여겨졌던 이론이 사실은 의미가 없을 수도 있다는 것을 밝혀내고 있는지도 모릅니다. 예를 들어, 단기 이동평균과 장기의 교차가 매수 시점이라는 "골든 크로스"라고 알려져 있으며, MACD의 골든 크로스도 비슷한 주장이 있지만, 실제로는 그에 의미가 없을 수도 있습니다. 이것이 "혹시" 딥러닝 분석 결과입니다.
계속은 내일.

■ 추세 추종
기술적 분석의 정확도가 낮아 보였기 때문에, 방향을 전환하여 단순히 추세를 따르는 인공지능을 만들었습니다. 이렇게 하면 급락이나 급등에 약한 것은 어쩔 수 없지만, 추세 추종에 있어서는 이전보다 상당히 좋은 결과를 얻었기 때문에, 이것도 나름대로 괜찮다고 생각합니다. 굵은 빨간 선이 인공지능의 예측입니다. 기계이기 때문에 원래 이런 방식이 더 적합할지도 모릅니다. 인간이라면 지루해할 만한 추세 추종이지만, 기계에게는 묵묵히 작업을 시키면 되는 것이니까요.

기술적 분석에서는 입력값을 가공하여 여러 가지 방법을 시도했지만, 이 추세 추종은 알고리즘적으로 매우 간단합니다. 하지만, 파라미터의 조합이 미묘하면 제대로 작동하지 않기 때문에, 알고리즘은 간단하지만 최적점을 찾는 것이 어렵다는 과제는 딥러닝에 적합할 수 있습니다.

■ AI 주가 예측 사이트 초기 버전
AI 주가 예측 - https://kabu2u.com
https://kabu2u.com
초기 버전 완성. 모델을 개선하거나 더 많은 연산 능력을 사용하여 심층 분석을 할 수도 있지만, 비용 대비 효과를 고려하면 일단 이 정도 수준이 어느 정도 완성되었다고 볼 수 있습니다. 아이디어는 아직 시도해 볼 만한 것들이 많지만요. 3月中旬부터 Matlab으로 시작해서 Python+Tensorflow로 전환하는 등, 2개월 반 만에 만들었다고 생각하면 꽤 괜찮은 편입니다. 1개월은 다양한 실험을 하고, 나머지 1개월 반은 사이트 구축 및 다양한 개선 작업을 했습니다. 정확도는 아직 부족하지만, 현재는 분석 속도가 우선이어서 중간에 중단했기 때문에 앞으로 시간을 투자하면서 정확도가 얼마나 향상될지 지켜봐야 할 것 같습니다. 정확도가 부족하면 모델을 더 크게 만들어보는 등, 시간이 오래 걸릴 수 있는 수정 작업은 앞으로 꾸준히 진행할 예정이지만, 기본적인 부분은 완성된 상태입니다. 현재는 표시가 너무 단순하기 때문에, 이 부분도 조금씩 추가할 예정입니다.

■ 지지선 추가
예측일 다음 날 초가로 구매한다는 가정으로 지지선을 추가했습니다. 조금 더 보기 편해졌습니다.

■ 캔들 차트
종가의 선 그래프에서 일반적인 캔들 차트로 변경했습니다. 역시 이렇게 해야 캔들 차트 같아 보입니다.



■ 에어 트레이드
에어 트레이드를 적용해 보았습니다. 이걸 보면 저는 더 많은 수익을 올릴 수 있었을 텐데, 기계적으로 트레이드하지 못하고 감정에 휩싸이기 때문에 성적이 좋지 않은 걸까요...

■ 알고리즘 재검토
에어 트레이드 알고리즘을 재검토했습니다. 홈페이지에 모든 종목의 에어 트레이드 결과를 게시했습니다.

■ 퍼펙트 오더를 이용한 에어 트레이드
단기, 중장기 선을 기준으로 흔히 "퍼펙트 오더"라고 불리는 조건으로 에어 트레이드를 해 보았지만, 결과는 좋지 않았습니다. 현재 시장 상황이 좋지 않아서 그런 걸까요, 아니면 기술적 분석과 비슷하게, 사후적인 이유로만 설명되는 도시 전설일까요?
손익 평균 +0.5%, 누적 +0.6%

■ 알고리즘 비교
AI 예측에서 상승으로 나왔지만, 다음 날 초가가 전날 종가보다 몇 % 하락하면 매수한다는 알고리즘과 전날 종가 이상이면 매수한다는 알고리즘을 시뮬레이션 비교했습니다. 인간적인 감각으로는 "싸게 사자"라는 전자가 더 좋은 성적을 낼 것 같다는 인상이 있지만, 실제로는 후자가 승리했습니다. 주가는 올라가면 계속 올라가고, 내려가면 계속 내려가는 경향이 있으므로 이 결과도 이해할 수 있습니다. 손익 평균이 각각 +2.0%와 +0.9%이므로 오차일 수도 있습니다.

■ 에어 트레이드 계산 오류
에어 트레이드 계산에 오류가 있었습니다. 네. 결과가 너무 좋다고 생각했던 것 같습니다. 새로운 결과는 다음과 같습니다. 마이너스 1% 전후입니다.
올해 들어 시장 상황이 매우 좋지 않은데도 불구하고 마이너스 1%의 손익이라는 것은 노력하고 있다고 볼 수도 있습니다. 시장 상황이 회복되면 플러스가 될 거야...라고 생각하고 싶습니다.

에어 트레이드 1 [대상 전체 종목 평균] 손익: +0.1% (가중 평균, 최근 중시) -0.1% (평균, 전체 기간) 누적 -1.3% (전체 기간)
에어 트레이드 2 [대상 전체 종목 평균] 손익: -0.8% (가중 평균, 최근 중시) -0.7% (평균, 전체 기간) 누적 -1.5% (전체 기간)
에어 트레이드 3 [대상 전체 종목 평균] 손익: -0.8% (가중 평균, 최근 중시) -0.7% (평균, 전체 기간) 누적 -1.6% (전체 기간)
에어 트레이드 4 [대상 전체 종목 평균] 손익: -0.8% (가중 평균, 최근 중시) -0.7% (평균, 전체 기간) 누적 -2.2% (전체 기간)
에어 트레이드 5 [대상 전체 종목 평균] 손익: -0.1% (가중 평균, 최근 중시) -0.1% (평균, 전체 기간) 누적 -0.8% (전체 기간)

■ 역시 시장 상황이 중요
오늘의 시장 상황이 좋아서 플러스로 회복되었습니다. 시장 상황과 관계없이 플러스가 되도록 개조해야 합니다.

에어트레이드1 [대상 전 종목 평균] 손익: +0.5%(가중 평균, 최근 중시) +0.1%(평균, 전체 기간) 누적 -0.0%(전체 기간)
에어트레이드2 [대상 전 종목 평균] 손익: +0.4%(가중 평균, 최근 중시) +0.2%(평균, 전체 기간) 누적 -0.1%(전체 기간)
에어트레이드3 [대상 전 종목 평균] 손익: +0.1%(가중 평균, 최근 중시) -0.0%(평균, 전체 기간) 누적 -0.5%(전체 기간)
에어트레이드4 [대상 전 종목 평균] 손익: +0.4%(가중 평균, 최근 중시) +0.2%(평균, 전체 기간) 누적 -0.0%(전체 기간)
에어트레이드5 [대상 전 종목 평균] 손익: -0.3%(가중 평균, 최근 중시) -0.4%(평균, 전체 기간) 누적 -1.4%(전체 기간)

■AI는 역시 블랙박스
어렴풋하게 그런 예측이 눈에 띄기도 하지만, 명백히 이상한 결과가 나오는 경우도 있습니다. 하지만 제가 이상하다고 생각해도 실제 주가는 더욱 이해할 수 없으므로, 이미 이해의 영역을 벗어났다고 할 수도 있을 것 같습니다. AI, 특히 딥러닝의 단점은 중간 결과가 블랙박스처럼 보이지 않는다는 것입니다. 왜 이런 결과가 나왔는지 설명하기가 어렵습니다. 기본적인 로직은 있으므로 어느 정도 설명은 가능하지만, 자세히 설명하는 것은 AI에게는 어려운 일입니다. 따라서 결과를 현실과 비교하여 맞는지 확인하는 것이 중요합니다. 어딘가 방향성은 어느 정도 나타나지만, "언제" 오르고 "언제" 내릴지, 즉 타이밍이 약한 느낌입니다. AI 결과를 보고 방향성은 파악하고, 타이밍은 사람이 조정하는 것이 더 좋을까요?

그렇고 보니, 이런 것을 만들면 회사에서는 "이것은 당신 혼자만의 성과가 아니다"라고 말하며 성과를 가로채거나 성과 분배를 요구하는 기생충 같은 사람들이 득실거리고, 끊임없이 저의 기여를 폄하하려는 사람들이 나타나 항상 성과를 깎아내려 왔습니다. 혼자 하는 경우에는 다른 사람이 없으니 외주에 누구에게도 의존하지 않았기 때문에 제가 만든 것이 명확하고, 성과를 가로채거나 성과 분배를 요구하는 사람들은 당연히 없어서 쾌적합니다. 회사에서는 같은 것을 1명이 만드는 것보다 10명이 떠들썩하게 만드는 것이 훨씬 더 높은 평가를 받는다는 모순이 있습니다. 비용 대비 효과를 생각하면 1명이 만드는 것이 10배 더 효율적인데, 10배의 비용을 들여 같은 것을 만드는 것이 더 높은 평가를 받는다는 모순입니다. IT를 잘 모르는 상사는 1명이 만들 수 있다는 것을 이해하지 못할 것입니다. IT에 대한 지식이 부족하기 때문에, 어딘가 웅장한 포부를 내세우거나 자신감 넘치는 사람을 쉽게 믿어버립니다. IT에 대한 지식이 부족하기 때문에 성과보다 인원수로 판단합니다. 그런 회사들은 세계 경쟁에서 뒤쳐질지도 모릅니다. IT 기술자들은 그런 회사에 오래 머물지 않을 것입니다. 그런 회사만 있는 것은 아니라고 생각하고 싶습니다. 결국, 상은 기술이나 성과를 제대로 이해하지 못하고 인원수로 판단하는 것 같습니다. 아직도 IT 업계는 "인월"의 사회이며, 수주 개발은 효율적으로 만들면 이익이 나는 것이 아니라, IT를 모르는 돈 많은 고객에게 "의식"을 성대하게 치르는 것이 더 이익이라는 세계입니다. 성과로 지불되는 경우는 거의 없습니다. 그래서 저는 수주 개발을 좋아하지 않고, 스스로 사업을 하고 자신의 이익을 위해 IT를 활용하는 회사나 개인에게만 기본적으로 신뢰를 둡니다. 물론, 제대로 된 성과주의만 있었다면 상당한 사람들이 실업할지도 모르므로, 헛된 일만 하는 IT 업계도 사람들이 먹고 살 수 있다는 점에서 어느 정도는 기여하고 있을지도 모릅니다.



■ 에어트레이드 모니터링 중
에어트레이드 4의 최근 평균 수익률이 +4.3%로 상승했습니다. 모니터링 대상 종목도 300개를 넘어섰습니다. 단순한 오차이거나 운이 좋았을 수도 있으므로, 아직은 상황을 더 지켜봐야 합니다.
AI 모델 훈련은 물론 계속 진행 중입니다. 세부적인 부분들을 조금씩 매일 수정하고 있습니다.

■ 5승 1패
며칠 전 분석 결과를 바탕으로 한 에어 트레이드는 5승 1패입니다. 나쁘지 않네요. 에어 트레이드이기 때문에 실제로 구매하지는 않았습니다.

같은 날, 더욱 황당했습니다. 와우. 에어트레인데.

■OCR
살 생각이 없지만, 전설적인 IPO가 될 것 같은 sansan. 적자 상장에 매출이 적은데 시가총액이 1200억 원이라는 이해가 안 되는 상장 회사입니다.
Sansan의 배당 수익률을 낙관적인 전제로 아마추어가 계산해 보았습니다. 정말로 사장이 말한 대로 성장한다면 가능할 수 있습니다. 모바일 결제처럼 경쟁 시대에 돌입하면 S安(주가 폭락)이 연달아 발생할 가능성이 높은 주가 수준이 될 것 같습니다. 기술적으로는 쉽게 따라 할 수 있고, 나머지는 마케팅 문제입니다. 대기업이 어떻게 나올지에 달려 있습니다. 이 이익률을 보면 투자하고 싶은 마음도 생깁니다.

Sansan은 명함을 OCR로 읽어들이는 것뿐이겠네요. 이런 걸로 상장해서 큰 돈을 벌 수 있다니. 가장 먼저 마케팅으로 독점하면 큰 돈을 벌 수 있다는 건 아마존과 비슷하네요. 유행하는 AI 문자 스캔을 만들어서 놀아볼까? 그리고 Sansan 호환이라고 해서 전부 고객을 빼앗는다는 건 너무 과한가요? 일단 폰트의 문자열을 이미지에서 추론하는 앱을 만들어 볼까요.

그런데 Sansan으로 검색해 보니, 100% 정확도가 아니면 보편화되지 않는다는 "일본 특유의 이야기"가 있습니다.
https://www.itmedia.co.jp/news/spv/1906/17/news042_2.html
예상보다 번거로워 보입니다. 그래서 차별화가 될 수도 있지만, 세계 사람들은 그런 정확도를 요구하지 않을 것 같기도 합니다.
そもそも 명함은 사라질 기미도 있습니다.

Google의 오픈 소스 OCR이 있는 것 같으니, 언젠가 한번 시도해 볼 수도 있습니다.

■ 이후
AI 모델 훈련은 매일 계속 진행하며, 세부적인 부분을 조정하면서 사이트는 계속 운영 중입니다. 시장 상황이 좋지 않아 운영 성과는 좋지 않습니다. 시장 상황이 좋을 때는 1% 정도이지만, 시장 상황이 나쁘면 마이너스입니다. 시장 상황이 좋을 때만 해야 할 수도 있습니다. 그대로 사용하는 것은 어렵지만, 직접 모든 종목을 스캔하는 것은 힘들기 때문에 어느 정도 범위를 좁히는 방법으로 사용하는 것은 괜찮을 것 같습니다.

作成期間:
2019년 3월 중순, Matlab 다운로드 후 실험 시작
4월 초, Python 처음 도전
4월 말, AI 분석 사이트 초기 버전 완성
5월 말, AI 분석 사이트 거의 완성
이후, 모델은 전용 PC에서 상시 훈련. 세부 조정은 수시로