Excel VBAで始める機械学習による株・FX予測

はじめに

　この文書の目的は、多くの方が身近に使うことができるMicrosoft社のExcelとLiblinearという機械学習用のライブラリを組み合わせることで、一般の方が機械学習を用いて金融市場の分析を行なうことができるよう支援することです。

　分析対象とするのはFXや株、先物のデータとしてよく使われる4本値（日足）です。サンプルとしてFXのデータを使っていますが、基本的に4本値であれば対象は何でもOKです。

　紹介しているファイルをダウンロードしていただければ、すぐに実践することができるようになっています。

　また、本記事に関するお問い合わせフォームもご用意しております。紹介しているツールに関するご指摘、Excelを用いた機械学習ツールの制作等についてのご相談を承っております。

お知らせ

検証検証検証、クオンツトレードの神髄！
ラリー・ウィリアムズ、トビー・クレイベル、ビクター・ニーダーホッファーを師と仰ぐ検証マニア

全トレーダーにとっての「生ける伝説」であるラリー・ウィリアムズやトビー・クレイベルやビクター・ニーダーホッファーを師と仰ぎ、検証にとりつかれたコラ・レディが高勝率な短期売買法を編み出すやり方を読者に、分かりやすく、手に取るように示したのが本書である。

株価データの入手方法

なお、株価データ入手方法として、本ブログではチャートギャラリーをオススメしています。是非、こちらの記事も参照してください。

stockdata.hateblo.jp

Excelで機械学習をする方法

紹介する機械学習の手法はSVM（support vector machine）という手法です。様々な情報を組み合わせて、分類問題（※）などに利用されます。

※例えば、文書内に出現する単語の頻度等から、その文書がどの分野について言及している文書が判定する、など。

ここでは、例題をいくつか提示しながら、その問題を解くためには、付属のExcelファイルやLiblinearをどのように組み合わせれば可能かを解説していきます。

関連プログラムの入手方法

関連プログラムの入手先は、ここ巻末の「プログラムのダウンロード方法」に記述しました。

例題：SVMでFX市場の上げ下げを予測するモデルを構築する

ここでは、SVM（support vector machine）を使って、為替市場の上げ下げを予測するモデルを構築してみましょう。Excelファイルのシート「makeDataSet」を開いて下さい（画像１）。

STEP1:学習データの生成

シートには約1年分のドル円の日足データがあります（画像１）。これを例にして、モデルを構築していきます。なお、付録のExcelシートには後述するワークシート関数が既に記述された状態になっています。

画像１：

教師データを用意する

まずは、予測の対象となるデータである「教師データ」を用意します。

ここでは、為替の上げ下げを予測するモデルを作るので、上げれば1,下げれば0となるワークシート関数を記述します（画像２）。SVMを使って市場が「上げる/下げる」の二値分類の問題として解けるかどうかを試してみます。

画像２：

予測の対象は、1日先の値動きとするので、ここではワークシート関数が記述される行の次の行を参照して計算していることに注意してください。

特徴量データを用意する

特徴量とは、学習データの持つ特徴を数値化したものです。

機械学習では、この情報と教師データの関係を学習し、その経験測を用いて将来の為替の値動きを予測することになります。したがって、特徴量は教師データに対して何等かの影響を持つ値を入力することが望ましいことになります。

この例では、簡単のために

・当日の価格変動（G列）

・前日の上げ下げ（H列）

・前日の高値を当日の終値が上抜けしたか（I列）

・前日の安値を当日の終値が下抜けしたか（J列）

の4つの特徴量を用意しました。

なお、これらの値は0~1の間で定義づけることが必要です。この手続きを正規化と言います。

以上が全て記載されたのがシート「makeDataSet」に記載されています（画像３）。

次にDataRangeStartPointとDataRangeEndPointを指定します。

これは教師データと特徴量が記載されたレンジを数字で指定するものです。

この例では全てのデータが揃う始点はF15、終点はJ1059です（画像３、画像４）。

画像４

それに対応するF15(6列目の15行目)、J1059(10列目の1059)に対応する値を、それぞれB2～C3に記述します（画像5）。また、同じように「Output file name」が記述されていることを確認してください（拡張子は必ず.txtとします）。

画像５

以上で学習データ生成の準備が整いました。

この状態で「Make Train DataSet」のボタンを押して下さい。

すると、ディレクトリLiblinear内に学習用データが出力されます（画像６）。

画像６-1

画像 6-2 

STEP2:最適なパラメータを求め、モデルファイルを構築する

続いて、シート「Train」に移動してモデルを構築します（画像７）。

画像７：

セルB1にはSTEP1で作ったモデルファイル名を入力して下さい。

ここでは、liblinearではいくつかの種類のモデルを構築することが可能ですが、ここでは

L2-regularized L2-loss support vector classification (dual)

というモデルを作ってみます。

これは上げ下げの二値分類に適しているモデルのひとつです。

それを指定するため、セルB2では「2」を入力してください。

また、-vの値は、過学習を回避するための機能です。

例えば、-vの値を3とすると、データを三分割し、2/3のデータを使って学習し、残りの1/3で精度を検証するということを行います。

次に構築したモデルを出力する際のファイル名をB6で指定します。ここでは「svm_.model」としました。セルB1~B3、B6まで入力が終わったら、「Make Model」のボタンを押して下さい。

すると、次のように出力されます（画像８）。

画像８：

Best Cはモデルを構築する際に使用したパラメータです。

このExcelのプログラムでは、liblinearで最適なパラメータを探索したのちに、そのパラメータを使用してモデル化まで自動的に行っています。

モデルの上げ下げを52.25%で予測することが出来るモデルが出来たようです。

STEP3:予測値を出力する

続いて、構築したモデルに基づいて実際に予測値を算出してみましょう。

シート「Predict」に移動してください。

ここでは、今までの手順で構築したモデルと学習データと同じフォーマットの未知データ（学習に使用していないデータ）を使って予測をしてみます。

画像9-1

入力するデータは、Data range start pointとData range end pointです。ここで予測に使用するデータが記述されたセルの範囲を指定します。シートでは13行目のF列目～J列の間に未知データが記述されています。これを踏まえ、それぞれのセルに正しい値を入力してください。

画像9-2

なお、未知の将来画像9-2でいうところの2017/8/18の翌日2017/8/19の上げ下げを予測したい場合、F13の値は0もしくは1の任意の値を適当に（例えば、F列は全て0を入力しておくなど）入力していて構いません。

また、画像9-2左上の表、Input fileは、加工した未知データを書き出すテキストファイル名です。Model fileはSTEP２で作成したモデルファイルを指定し、Output fileは予測結果を書き出すテキストファイル名を指定します。Forecast resultは、モデルと未知データに基づいて予測した結果、つまり0か1か（上げるか下げるか）が出力されます。

必要な情報を記述した後、「Predict」ボタンを押して下さい。

すると、Forecast resultのセルに0が返りました。モデルは「翌日下げる」と予測したようです。

続いて、シート「PredictLongTerm」に移動してください（画像10）。

前の説明では、予測の対象を1日に限定しましたが、同じ方法で長期間におけるモデルの予測精度を評価することも可能です。

画像10

このシートは、今まで例としてきたモデルを使って、学習データには含まれない期間の約1か月のデータを使用して、予測を試みてみます。A1~C3の設定が変わっていることに注意してください。Rowが11~33まで広げてあります。また、学習データではF列に教師データを生成しましたが、ここでは0に統一しています。

Predictボタンを押すと、M列の「Forecast result」に予測結果が出力されます。その正解不正解を評価しているのがO列の「Correct/incorrect」です。

プログラムのダウンロード方法

ここで解説しているプログラムは、GoogleDriveもしくは、DropBoxからダウンロードが可能です。以下のリンクからダウンロードをお願いします。また、他社サービスを利用して共有しているため、リンクのURLが突然変更される可能性もあります。その場合、速やかに対処しますので、事象を確認された方は下記のメールアドレスまでご連絡下さい。

Dropbox

https://www.dropbox.com/s/1x3ylah2cgvtoqj/ML_Trading.zip?dl=0

GoogleDrive

https://drive.google.com/open?id=0B0eyjk4N-h2sNnRmbTNkUzdCWm8

お問い合わせ 

お断り

Excel及びVBAのプログラム上に不具合があった場合、下記アドレスまでご連絡をいただければ速やかに対処させていただきます。しかし、Liblinearについては完全に無保証なプログラムです。万が一、使用上の不明点、不具合などが観察されたとしても著者は責任を負いかねます。

Copyright(Liblinearのライセンスについて)

Copyright (c) 2007-2017 The LIBLINEAR Project.

All rights reserved. 

Redistribution and use in source and binary forms, with or without modification, are permitted provided that the following conditions are met:

1. Redistributions of source code must retain the above copyright notice, this list of conditions and the following disclaimer.

2. Redistributions in binary form must reproduce the above copyright notice, this list of conditions and the following disclaimer in the documentation and/or other materials provided with the distribution.

3. Neither name of copyright holders nor the names of its contributors may be used to endorse or promote products derived from this software

without specific prior written permission.

THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS “AS IS'' AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED.  IN NO EVENT SHALL THE REGENTS OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL, SPECIAL,EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING, BUT NOT LIMITED TO,PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES; LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE.