試行錯誤

今日の投資の思ったことを書いておきます。今日は特段に何もイベントも情報もなく売買できる銘柄は少なかった気がします。普段は日経、TOPIXのデリバティブも数多くするのですが、今日はダメな動きだと思ったのでほとんど売買なしでしたが、それは正解だったと思います。個別株式もほとんど大きな動きはなかったようなのでペアトレードを中心にしていました。

ただやはり終わってからいろいろ見ていたら、売買できるのはたくさんあったように思います。特にsumcoなんかは、普段から見ているのになぜやらなかったのかは後悔です。相場は待つのも仕事みたいなこともありますが、幅広くトレードしているなら自分に合ったトレードのできる銘柄は見つける努力も必要だと思った1日でした。

 
0120

今日は朝からカーボン関連が賑わっていました。宇部興産と日本カーボンなんかを売買しました。任天堂も賑わってたようですが売買できなかったのが反省です。後はファーストリテイリングが前回の月の売上を発表してから4日連続の下落していたようです。これもトレーディングできなかったのが残念です。

20170111
 

三菱ufj(緑)と米国金利(赤)、ドル円(青)のチャートを作ってみました。銀行株が他の銘柄よりも大きく上昇していたので気になりました。銀行株に影響を与えるのは金利です。ただ日本の金利でなく米国の10年金利です。当然、金利は為替にも影響を与えるので一緒にチャートにしました。

kinri
 

ni
今日の日中の日経平均とtopixです。青線が日経平均でtopixが緑線です。今日はマーケットを見ていて日経平均とトピが随分と乖離していたので気になったのでチャートにしたのです。


 

日経平均と天気の相関を分析してみました。データは気象庁のホームページから取ってこれます。今回以降もいろいろ分析していこうと思います。気温の変化というのは前日と当日の変化率です。そして雨量有無は雨量がある日は1で無い日は0にして分析しました。

天気と収益率
上のは始めに作ったのですが、上の収益率は終日にしていました。しかし天気は昼間のなので日経平均も始値と終値の日中の収益率でやり直したのがしたのです。
日中収益率
 

自分の作っているシステムでは超短期のトレードから比較的長い、グローバルマクロまでトレードのできる時にシグナルがでるようにしています。最近はドル高円安が続いています。もちろん、このことに関してもシグナルが出ています。ただ、これを見ていて思ったのはアベノミクスのときと同じようだと感じました。どこの国であれ政権が変われば、その国のファンダメンタルが変化するぐらいなので、ここで大きくトレンドができるのは当然といえば当然です。

usdor
 

import numpy as np
import pandas as pd
from pandas import DataFrame,Series
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.svm import SVC
from sklearn.grid_search import GridSearchCV
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import accuracy_score
from sklearn.cross_validation import train_test_split
%matplotlib inline

iris=load_iris()
X=iris.data
Y=iris.target
x_train,x_test,y_train,y_test=train_test_split(X,Y,test_size=0.3,random_state=0)

sc=StandardScaler()
sc.fit(x_train)
x_train_std=sc.transform(x_train)
x_test_std=sc.transform(x_test)

svm=SVC(kernel="rbf",C=1.0,random_state=0)
svm.fit(x_train_std,y_train)
y_pred=svm.predict(x_test_std)
accuracy_score(y_test,y_pred) 

0.97555

pipe_svc=Pipeline([("scl",StandardScaler()),
                               ("clf",SVC(random_state=1))])
param_range=[0.001,0.001,0.1,1.0,10.0,100]
param_grid=[{"clf__C":param_range,
                     "clf__gamma":param_range,
                    "clf__kernel":["rbf"]}]

gs=GridSearchCV(estimator=pipe_svc,
                            param_grid=param_grid,
                            scoring="accuracy",
                            cv=10,
                            n_jobs=-1)
gs=gs.fit(x_train_std,y_train)
 

 
gs.best_score_
0.95238095238095233

gs.best_params_
{'clf__C': 1.0, 'clf__gamma': 0.1, 'clf__kernel': 'rbf'}
 

pctcorr


上のはアメリカのIT企業の相関関係を作りました。4つのクラスターで分類していて色の線で囲っているのは分類したものです。ペアトレードをする際に相関関係で決めるか、クラスター分析で決めるかどちらがいいかは、個人的には価格には時系列があるのでクラスター分析は累積収益率を使うのでクラスター分析の方がいいように思います。例えばAAPLなら同じ赤色のが同じ相関になりそうですが、AAPLとGOOGはクラスターでは異なりますが、相関は最も高くなります。他にもORCLに関しては同じクラスターのFBとGOOGでは相関どころか無相関です。
orcl
AAPL
 

このページのトップヘ