さくら VPS Python 豪ドル/円 4時間足予測
ガウスフィット-豪ドル/円4時間足予測ファイルまとめ
ここまで、ガウスフィット-豪ドル/円4時間足予測ファイルについていろいろと説明してきました。
まとめると以下のようになります。
FFT 解析 豪ドル/円4時間足予測ファイルまとめ
のなかで掲示している
si_fft_filter-go-02-4h.py
からの変更点については赤字で表示しています。
#!/usr/bin/python3
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import datetime
from mplfinance.original_flavor import candlestick_ohlc
def addBusinessDays_4h(current_date, business_days_to_add_h):
# current_date : 処理する初日の日時 例) 2022-02-03 00:00:00
# business_days_to_add_h : 4時間ずつ延長する回数
cur_date8 = [] # 21/03/30 12~
cur_date4 = [] # 3/30
man_f = 1 # 月曜フラグ 0=count / 1=nocount
doyo_f = 0 # 土曜フラグ 0 or 1
current_date0 = current_date
weekday0 = current_date0.weekday()
if(weekday0 == 0): #月
man_f = 0
while business_days_to_add_h > 0:
current_date += datetime.timedelta(hours=4)
weekday = current_date.weekday()
hour_doyo = current_date.hour
if weekday == 6: # sunday = 6
continue
if((weekday == 5) and (hour_doyo == 8)): #土
doyo_f = 1
if((weekday == 5) and (doyo_f == 1)): #土
continue
if((weekday == 0) and (man_f == 1)): #月
man_f = 0
continue
# 日はスキップ
# 月は一回のみスキップ
# 年/月/日 時刻として文字列にする
# 例 21/03/30 12~ e22, cur_date8
e11 = current_date.strftime("%y/%m/%d %H")
e22 = e11.replace("/0", "/")
e22 = e22 + "~"
e33 = e22[3:] # 21/ 削除
cur_date8.append(e22)
cur_date4.append(e33)
business_days_to_add_h -= 1
return cur_date8, cur_date4
# 追加1
# ガウス関数定義
def gauss(x, mu, s):
return np.exp(-(x - mu)**2 / (2 * s**2))
# 線形基底関数モデル ----------------
def gauss_func(w, x):
m = len(w) - 1
xx = len(x) - 1
# y(x,w) = w0Φo(x) + w1Φ1(x) + w2Φ2(x) + w3
# なら len(w) = 4 ∴ m = 3
mu = np.linspace(0, xx, m)
s = mu[1] - mu[0]
# sは隣り合ったガウス関数の中心間の距離
# 設計者が決定
y = np.zeros_like(x) # x と同じサイズで要素が 0 の行列 y を作成
for j in range(m):
y = y + w[j] * gauss(x, mu[j], s)
y = y + w[m]
return y
# 線形基底関数モデル 厳密解 -----------------
def fit_gauss_func(x, t, m):
xx = len(x) - 1
mu = np.linspace(0, xx, m)
# print(mu)
s = mu[1] - mu[0]
# print(s)
n = x.shape[0]
psi = np.ones((n, m+1))
for j in range(m):
psi[:, j] = gauss(x, mu[j], s)
psi_T = np.transpose(psi)
b = np.linalg.inv(psi_T.dot(psi))
c = b.dot(psi_T)
w = c.dot(t)
return w
# np.dot(A, B) と A.dot(B) は同じ
def min_max(xx, axis = None): # 配列の軸方向は考えない
min = xx.min(axis=axis,keepdims=True) # 次元は減らさない
max = xx.max(axis=axis,keepdims=True)
result = (xx-min)/(max-min)
return result, min ,max
# 追加1 end
xl_df = pd.read_csv(
"/home/yamada/public_html/manep_4h/mane_chart_go_4h.csv",
encoding="cp932")
Close = xl_df["終値(売り)"].values
app = Close[-1:]
app1 = np.hstack((app, app, app, app, app, app))
Close1 = np.hstack((Close, app1))
# 追加2
Close2,Close1_min,Close1_max = min_max(Close1)
# Close2=正規化値
# 最安値(Close1_min)
# 最高値(Close1_max)
# 追加2 end
Idx = xl_df.index
# Idx は 0 スタ-ト
Idx6 = Idx[-6:] + 6
Idxlg = np.r_[Idx, Idx6]
# 削除1
'''
cent = np.average(Close1)
Close2 = Close1 - cent
f = np.fft.fft(Close2) # フーリエ変換(FFT)
fc = 10 # cut off freq.
f[fc:] = 0 # low pass filter
f_ifft = np.fft.ifft(f*2)
f_real = f_ifft.real # 実数部のみにする
f_ifft_sht = f_real + cent
p_pand = np.round(f_ifft_sht[-6:],3)
f_ifft_sht_pd = pd.DataFrame(p_pand)
'''
# 削除1 end
# 追加3
M = 12
W = fit_gauss_func(Idxlg, Close2, M)
# print(W)
y = gauss_func(W, Idxlg)
val_ch = y * (Close1_max - Close1_min) + Close1_min
valhe = np.round(val_ch[-6:], 3)#3桁まで表示
valhe_pd = pd.DataFrame(valhe)
# 追加3 end
Open = xl_df["始値(売り)"].values
High = xl_df["高値(売り)"].values
Low = xl_df["安値(売り)"].values
Date = xl_df["日付"].values
Idx = xl_df.index
tstr = Date[-1]
tdatetime = datetime.datetime.strptime(tstr, '%Y/%m/%d %H:%M:%S')
# 文字列をdatetimeに変換するのがstrptime()関数
# datetime.datetime.strptime(文字列, 書式指定文字列)
lastday = addBusinessDays_4h(tdatetime, 6)
# pandas concat 関数で横(列)方向へ連結 axis=1 を忘れるな
lastday_pd = pd.DataFrame(lastday[0])
# 削除2[変更1]
'''
p_pand_pd = pd.DataFrame(p_pand)
df_concat = pd.concat([lastday_pd, f_ifft_sht_pd], axis = 1)
df_concat.to_csv(
'/home/yamada/public_html/manep-img/mane_chart_go-fil_4h.csv',
header=False, index=False)
'''
# 追加4[変更1]
df_concat = pd.concat([lastday_pd, valhe_pd], axis = 1)
# print(df_concat)
df_concat.to_csv(
'/home/yamada/public_html/manep-img/mane_chart_go-gau_4h.csv',
header=False, index=False)
# 変更1 end
xDate = []
xD = []
dayf = 0
for i, key in enumerate(Date):
day00 = str(key)[11:19]
if((dayf == 1) and (day00 == '00:00:00')):
dayf = 0
else:
if((dayf == 0) and (day00 == '00:00:00')):
e4 = str(key)[4:10]
e6 = e4.replace("/0", "/")
e8 = e6.lstrip("/")
xDate.append(e8)
xD.append(i)
dayf = 1
if(dayf == 0):
e4l = tstr[7:14]
e6l = e4l.replace("/0", "/")
e8l = e6l.lstrip("/")
xDate.append(e8l)
xD.append(i)
ohlc = zip(
Idx, Open, High, Low, Close)
fig = plt.figure(
figsize=(8.34, 5.56))
ax = fig.add_subplot(1,1,1)
ax.grid()
# 削除3[変更2]
'''
plt.plot(
Idx, f_ifft_sht[:-6],
Idx6, f_ifft_sht[-6:],'bo')
'''
# 追加5[変更2]
plt.plot(
Idx, val_ch[:-6],
Idx6, val_ch[-6:], 'bo')
# 変更2 end
candlestick_ohlc(
ax, ohlc, width=0.5, alpha = 1,
colorup='r', colordown='g')
plt.xticks(xD, xDate)
plt.title('AUS$ / JPY chart')
plt.xlabel('Date')
plt.ylabel('Yen')
# 削除4[変更3]
'''
plt.savefig(
'/home/yamada/public_html/manep-img/mane_chart_go-fil_4h.png')
'''
# 追加6[変更3]
plt.savefig(
'/home/yamada/public_html/manep-img/mane_chart_go-gau_4h.png')
# 変更3 end
ここまでで、ガウスフィット-豪ドル/円4時間足予測ファイルが整理できました。
引き続きこのファイルの作成をしていきます。