20日間のローソク足画像からCNNで株価の上下を予想するモデル

• 参考論文: https://arxiv.org/pdf/1903.12258.pdf
  • 論文では上がり下がりを予測するバイナリラベルでvalidationの正解率>0.9
  • VGG16より小さいモデルで結果出してた（学習率などのハイパラは書いてない不親切な論文だった。validationとtestを同じデータでやってるし）
• 株価データベースと株価csvが必要
  • https://github.com/riron1206/03.stock_repo/tree/master/sqlite_analysis
• 02_keras_pyライブラリも必要
  • https://github.com/riron1206/02_keras_py

ラベルの分け方かえていくつかモデル作ったが、以下のラベルを採用した

• 予測実行日の1日後の始値 > 2日後の始値なら「0」
• 予測実行日の1日後の始値 < 2日後の始値なら「1」
• 予測実行日の1日後の始値 * 1.05 < 2日後の始値なら「2」
• ※上がり下がりを予測するバイナリラベルだとvalidationの正解率>0.9になるが、最近のデータで試すとあまり当たらない感じだったのでこうした（validation setの切り方が悪いためtest setの分布と合ってないのか？）
• 予測実行日の終値 < 1日後の始値 and 予測ラベル=1or2 and 確信度>0.8 のデータは良さそう

行った手順

1. notebook/*.ipynb でデータ作成、モデル作成試す

2. 時系列の分け方でデータセット作成

• train setは2000-2017年まで、test setは2018-2020年までのデータを使う

  
  # 画像作成
  $ python make_candlestick.py --is_mav_png --is_2day_label -o D:\work\candlestick_model\output\orig_image_all_2day_label
  ※画像200万枚ぐらいつくるため48時間近くかかる

train/test setに分割

$ python make_dataset.py -i D:\work\candlestick_model\output\orig_image_all_2day_label -o D:\work\candlestick_model\output\ts_dataset_all_2day_label --is_test_only --is_not_equalize

#### 3. code/tf_base_class*.py でモデル作成（パラメータチューニングも可能。少量データ版では試した）
```bash
$ python tf_base_class_all_data_2day_label.py -m train

4. bestモデルで予測

# JPX日経インデックス400 + 日経225 + 日経500種について
$ python tf_predict_best_model.py --is_2day_label

# 7269:スズキについて数日さかのぼって実行。下記は10日さかのぼる（2020/07/31からさかのぼって10日間毎日予測）
$ python tf_predict_best_model.py -c 7269 -d 2020-07-31 -t_d 10 --is_2day_label