파이썬으로 주가를 시뮬레이션 해 보았습니다.

13104 단어 투자 시뮬레이션 파이썬 기계 학습

파이썬을 사용하여 미래의 주가를 시뮬레이션하려고합니다.

Python, 주식의 이야기입니다만, 거기까지 어려운 내용까지는 밟지 않으므로 부담없이 읽어 주시면 좋겠습니다.

배경

마지막 기사에서 다음을 알았습니다.

상장 지수 펀드 TOPIX (1308)의 2011/7/22 ~ 2021/7/21 데이터에 대한 분석

전 데이터의 5%를 이상, 95%를 정상이라고 가정하고, OneClassSVM에서 정상 상태와 이상 상태로 나누는 것으로, 각각의 상태내에서는 주가의 리턴(전일 비율)이 정규 분포하고 있는 것 확인 됨

정상상태에서 주가의 전일 비율은

평균 : 1.0005478168389164

표준편차: 0.01024285501985374

비정상 상태에서 주가의 전일 비율은

평균 : 0.9971137713072488

표준편차:0.029152921438795287

모든 데이터의 5%가 비정상 상태

이 지식을 바탕으로 상장 지수 펀드 TOPIX의 미래 주가를 시뮬레이션합니다.

시뮬레이션을 위한 함수 만들기

먼저 위의 지식을 바탕으로 시뮬레이션을 위한 함수를 작성합니다. 이 함수를 실행하면 분포에 따른 주가의 전일 비율이 반환됩니다.

# 関数を定義
def make_return():
    loc1 = 1.0005478168389164
    loc2 = 0.9971137713072488
    scale1 = 0.01024285501985374
    scale2 = 0.029152921438795287

    # 5%の確率で異常状態の正規分布からサンプリング
    if np.random.rand() < 0.05:
        a  =np.random.normal(loc2,scale2)
        svm_result = -1
    # 95%の確率で正常状態の正規分布からサンプリング
    else:
        a = np.random.normal(loc1, scale1)
        svm_result = 1
    return a, svm_result

이 함수를 10000번 실행한 결과를 시각화합니다. 정상·이상의 2개의 정규 분포를 작성할 수 있는 것을 확인할 수 있었습니다.

# 10000回シミュレーションを実行
return_list = []
svm_list = []
for i in range(10000):
    a, svm_result = make_return()
    return_list.append(a)
    svm_list.append(svm_result)

return_list = np.array(return_list)
df_sim  =pd.DataFrame({'return':return_list, 'svm':svm_list})

# シミュレーションの結果確認
plt.hist(df_sim[df_sim['svm'] == 1]['return'], bins = 30)
plt.hist(df_sim[df_sim['svm'] == -1]['return'], bins = 30)
plt.show()

시뮬레이션 실행

20년간의 시뮬레이션을 1000회 실행합니다.

# 結果の箱を作成
df_sim1 = pd.DataFrame()

from tqdm import tqdm

# 1000回シミュレーションを実行
for j in tqdm(range(1000)):
    return_list = []

    #1年間を240日と考えて、20年後までをシミュレーションする
    for i in range(240 * 20):
        a,svm_result = make_return()
        return_list.append(a)
    return_list = np.array(return_list)
    df_sim1[j] = return_list

# 累積リターンを計算
df_sim2 = df_sim1.cumprod()
df_sim2.head()

시뮬레이션 결과 시각화

우선 1년간의 시뮬레이션 결과를 시각화합니다. 가로축이 몇일 후인지를 나타내고, 세로축이 주가가 몇 배가 되는지를 나타냅니다. 1년 후에 1배를 밑돌아 버려, 손실이 되어 버리는 그래프의 색은 적색으로 하고 있습니다.

# 結果を可視化
plt.figure(figsize = (15, 4))
num = 0
for i in df_sim2.columns:
    # 1年後までを可視化
    temp=df_sim2[i].iloc[:240 * 1]

    # 最終結果が1以下の場合はグラフを赤色に変更
    if temp.iloc[-1] < 1:
        plt.plot(temp.index, temp, alpha = 0.2, c = 'r')
        num += 1
    else:
        plt.plot(temp.index, temp, alpha = 0.2, c = 'g')

print("損失が出る確率：{}/1000".format(num)) 
print("中央値:{:.3f}倍".format(df_sim2.iloc[240 * 1 - 1].median()))
plt.title('シミュレーション結果(1年間)')
plt.ylabel('倍')
plt.xlabel('日')
plt.show()