楽天マーケットスピードII RSSを使って株価を取得 - Qiita
if sel_dic['購入可能額']<ws_new.cell(n+2, add_list.index("購入可能額")+2).value: ws_new.delete_rows(n+2) elif sel_dic['配当利回り']>ws_new.cell(n+2, add_list.index("配当利回り")+2).value: ws_new.delete_rows(n+2) elif sel_dic['PBR']<ws_new.cell(n+2, add_list.index("PBR")+2).value: ws_new.delete_rows(n+2) #プログラム実行前に次の1～2が必要です #1. マーケットスピードIIのログイン #2. エクセルを起動 空白のブックを開く。RSS接続する。 #3. このプログラムを実行する #4. プログラムが終了するまで待つ #5. 終了
Python：ARIMAモデルでAPPLE株価の予測をしてみよう！｜Kota＠Python＆米国株投資チャンネル
1.初めに 時系列分析入門編：ARIMAモデルを使った株価の予測です。 ARIMAモデルは、その柔軟性と精度の高さから、時系列分析における最も基本的かつ重要なツールの一つとして広く用いられています。 時系列分析入門として最適なツールですので、是非お付き合い下さい。 補足）今回からコード全文は少額ながら有料プランにさせていただきました。今回も今後も価格に見合った内容を目指します（現時点のゴール：多変数のデータを元にLSTMモデルで米国株を予測を実現）。 参考にしたい！応援してあげてもいいぞ！って方はご購読いただき、まずはコード全文をコピペ→各コードをいじってPython の勉強にお役立て下さい。 今回の最終アウトプット： APPLE株の過去１年長のデータ（青線）から５日後（赤線）を予測したグラフ 2.少しだけお勉強（１）ARIMAモデルとは？ARIMAは「自己回帰積分移動平均（Autoreg
【マケデコ】テンバガーはデータ分析で見つかるのか？(2024/04/25)まとめ
マケデコという主に株式関連のマーケットAPIを活用し、分析や予測モデルを構築しているbotterのDiscordコミュニティをJPX総研様と運営しています。本記事は2024/4/25に開催された「テンバガーはデータ分析で見つかるのか？」イベントのまとめ記事です。 概要 「機関投資家だけが知っている「予想」のいらない株式投資」の著者であり、元フィデリティ投信のファンドマネージャーである泉田良輔氏にお越しいただき、前半は著書の内容をベースに「テンバガーはデータ分析で見つかるのか？」というテーマについて講演いただきました。 その後、こちらの内容を受けてUKIさんと駄犬さんをおまねきして、パネルディスカッションを開催いたしました。 当日の動画はYouTubeで公開中です。 https://www.youtube.com/watch?v=eUZ70vl9Jvk 泉田良輔氏による「テンバガーはデータ分
継続事前学習による金融ドメイン特化LLMの構築の検証 - Preferred Networks Research & Development
この記事は、金融チームエンジニアの今城(@imos)と金融チームリサーチャーの平野(@_mhirano)による寄稿です。 概要 本稿では、ドメインに特化したLLMの構築の一環として、金融ドメイン特化のLLMの構築の検証を行いました。継続事前学習によるドメイン知識の獲得を模索し、特定のドメイン向けに専用のパラメータ数が多い高性能なLLMを提供を可能にすることを目指します。 実験では、nekomata-14bとPFNで構築した金融に特化したデータセットを用いて、継続事前学習を実施しました。 継続事前学習の結果として、金融ベンチマーク性能が向上することが確認できました。 出力の差としては、Instruction Tuningを施していないため、大きな差は見られないものの、一定の差が見られるケースもありました。 継続事前学習後のモデルは、https://huggingface.co/pfnet/n
機械学習による株価予測 - Qiita
こんにちは。私がAidemyでデータ分析講座コースを受講いたしました。今回は学んだスキルを活用して、上場企業を株価予測をしてみました。 ※私の環境: Python3 Chrome Google Colaboratory Windows 10 目次 1．目的 2. データセット 3. 機械学習モデル 4. 予測モデルの構築と検証 5. 結果 6. 反省 1.目的 上場会社の株価データセットを用いて、株価予測するLSTMの機械学習モデルを構築すること。 2.データセット Yahoo Financeである上場企業Lasertec(6920.T)の時列データ 3.機械学習モデル LSTM(Long Short-Term Memory: ニューラルネットワークの一種で、長期的な依存関係を学習することができる特徴ある。 4.予測モデルの構築と検証 4-1. ライブラリのインポート import ker
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
仮想通貨botterのカレンダー | Advent Calendar 2023 - Qiita