機械学習による株価予測 いろはの”ろ” - Qiita

はじめに 前回記事「機械学習による株価予測 いろはの"い"」の公開後、筆者の機械学習モデルの獲得利益はめでたく1億を突破することができた。運用モデルの概要については筆者のブログにて紹介したが、折角の機会なので技術的な内容についてここに続編を執筆する。今回の記事では、株価を予測するための特徴量についてその考え方をまとめる。 特徴量の種類 個別銘柄を説明するための代表的なデータとは、財務諸表とチャート（価格系列）である。一昔前は個人投資家がこれらのデータを揃えるのにかなりの苦労が必要だった（特に財務諸表が面倒であった）が、最近ではQiitaでXBRL用のライブラリが紹介されていたり、バフェットコードでAPI（有料）が提供されていたりと、随分と手間要らずになってきたように思う。 個別銘柄を説明するための材料についてさらに進んだ話をすると、IRを自然言語処理に掛けてセンチメントを抽出したり、経営陣

[mu-mu-girls]

完全に理解した

[osnq]

株価の予想は不可能

[uki-profit]

こちらも合わせてどうぞ。損益推移およびマーケットとの利回りの比較を載せています。　http://we.love-profit.com/entry/2020/03/25/163511

[shozzy]

今の市況でも利益を出せているのだろうか？

[doiman3d]

一応ブクマしとこ

[mayumayu_nimolove]

こういうのって、開発する自分の能力と比べたことあるんかな。変な話だけど。

[misshiki]

“折角の機会なので技術的な内容についてここに続編を執筆する。今回の記事では、株価を予測するための特徴量についてその考え方をまとめる。”