動画⇩
https://youtu.be/F78l5oB_H5k
株式投資において、データ分析は非常に重要です。
今回は、過去の売買データをデータフレームに保存し、そこから新たな特徴量を追加することで、投資戦略を最適化する方法を紹介します。
新たな特徴量の追加
前回は、実際に株を購入した際のデータの保存方法を解説しました。
今回は、そのデータを活用し、新たな特徴量を導入することで分析精度を向上させる方法を紹介します。
特に注目したのは「benefit（利益）」です。
例えば、1万円の利益を得た場合、7日かかったのと1日で得たのでは、1日で獲得した方が効率が良いです。
しかし、従来の「benefit」は、どの期間でどれだけの利益を得たかを示していませんでした。
そこで、「benefit」を経過日数で割ることで、1日あたりの利益率を算出しました。
これにより、単純な利益額だけでなく、期間を考慮した利益率も分析できるようになります。
特徴量エンジニアリングの重要性
特徴量エンジニアリングとは、機械学習モデルの性能を向上させるために、適切な特徴量を作成・変換・選択するプロセスです。
今回のように、利益に経過日数を加味することで、より精度の高い投資判断が可能になります。
適切な特徴量を設計することで、より優れた予測モデルを構築できるのです。
もちろん、特徴量エンジニアリングに限界はありません。新たな指標を加えることで、さらなる最適化が可能です。
もし、他にも有用な特徴量があると感じたら、ぜひ教えてください。
次回は、シミュレーションコードの課題について詳しく解説します。
まだまだ改良の余地があるため、その点も率直にお話ししたいと思います。
ぜひ、次回の記事もご覧ください！ 関連キーワード #株式投資 #特徴量エンジニアリング #機械学習 #資産運用 #投資戦略 #データ分析