さくら VPS 相関係数予測Ⅱ
さくら VPS 相関係数豪ドル/円日足予測ファイルⅡ保存
相関係数豪ドル/円日足予測ファイルⅡを保存します。
この前のぺ－ジ
さくら VPS 相関係数豪ドル/円日足予測ファイルⅡまとめ
で作成したファイル内容
#!/home/yamada/miniconda3/bin/python3
････････････････
df_concat.to_csv(
'/home/yamada/public_html/manep-img/gai_sou_d.csv',
header=False, index=False)
までをコピして Python ファイルを作成します。
自分の PC Windows で TeraPad 等を使用して作成できたら
\\wsl.localhost\Ubuntu-22.04\home\yamada\public_html
に保存します。
このフォルダに保存すると WSL2 での動作確認も可能です。
ファイル名は
gai_audjp_sou_d.py
とします。
文字コ－ドは、UTF-8N
BOM なし
改行コ－ドは、LF
です。
さくら VPS 相関係数豪ドル/円予測Ⅱファイル実行準備
相関係数豪ドル/円予測Ⅱファイル gai_audjp_sou_d.py を実行するのですが その前に準備をします。
- gai_audjp_sou_d.py アップロ－ド
gai_audjp_sou_d.py は、さくら VPS の /home/yamada/public_html にアップロ－ドしておきます。 やり方がよく分からない方は
ユ－ザ－ごとの公開ディレクトリを用意する
の｢SFTP でファイル アップロード｣
を読んでください。 - numpy, pandas, mplfinance, sklearn
numpy と pandas と matplotlib.pyplot と mplfinance と sklearn のインスト－ルは完了しましたか。
まだの場合は
さくら VPS Ubuntu 24.04 Python/pyplot インスト－ル
pandas インスト－ル
scikit-learn インストール
mplfinance インスト－ル
を参照して、各パッケージを さくら VPS の Miniconda の仮想環境にインストールしてください。 - gai_sou_d.csv
/home/yamada/public_html/manep/ フォルダに
gai_audjp_d.csv
ファイルは存在しますか。
もしない場合は
さくら VPS 豪ドル/円為替蓄積データファイルまとめ
を参照して gai_audjp.py を実行してください。 - 予測保存場所
予測値 gai_sou_d.csv
予測チャ－ト gai_sou_d.png
を保存するファルダ
/home/yamada/public_html/manep-img
は準備できていますか。
なければ作成します。
さくら VPS 相関係数豪ドル/円予測ファイルⅡ 動作確認
相関係数豪ドル/円予測ファイルⅡ の動作確認をします。
さくらの VPS-コントロ－ルパネルのサ－バのコンソ－ルから
シリアルコンソ－ル に入ります。
ここから、gai_sou_d.py を実行します。
yamada@yama:~$ conda activate
yamada@********:~$ python3 public_html/gai_audjp_sou_d.py
として実行確認します。
yamada@yama:~$ conda activate
(base) yamada@yama:~$ python3 public_html/gai_audjp_sou_d.py
index open high low close
0 2021/10/14 83.522 84.399 83.428 84.296
1 2021/10/15 84.254 84.922 84.243 84.779
2 2021/10/18 84.680 85.021 84.272 84.738
3 2021/10/19 84.710 85.542 84.656 85.506
4 2021/10/20 85.418 85.973 85.348 85.933
.. ... ... ... ... ...
968 2025/08/11 96.213 96.536 96.000 96.491
969 2025/08/12 96.327 96.832 96.184 96.533
970 2025/08/13 96.323 96.747 96.317 96.468
971 2025/08/14 96.372 96.437 95.518 95.981
972 2025/08/15 95.916 96.071 95.619 95.621
[973 rows x 5 columns]
RangeIndex(start=0, stop=973, step=1)
最新2025/08/15
(['25/8/18', '25/8/19', '25/8/20', '25/8/21', '25/8/22'],
['8/18', '8/19', '8/20', '8/21', '8/22'])
Close =
[ 84.296 84.779 84.738 85.506 85.933 85.117 84.759 85.188 85.626
85.584 85.667 85.713 85.739 84.634 84.926 84.175 83.944 84.049
83.295 83.45 83.159 83.511 83.858 83.834 82.898 83.124 82.481
82.974 83.198 83.034 82.912 80.646 81.099 80.642 80.138 80.275
78.993 80.027 80.828 81.538 81.086 81.322 81.036 80.833 81.816
････････
93.508 94.429 94.069 94.464 94.238 94.264 94.378 94.019 94.601
94.519 94.462 94.769 94.397 94.608 95.226 94.675 94.779 95.702
95.637 96.364 96.955 96.711 96.949 96.526 96.409 96.824 96.147
96.124 96.73 96.843 96.937 96.853 96.661 96.192 96.887 95.384
95.135 95.503 95.813 95.987 96.321 96.491 96.533 96.468 95.981
95.621]
Idx[-1]= 972
Idx[-25]= 948
Idx[-25:]= RangeIndex(start=948, stop=973, step=1)
最新かつ予測含む25個のIdx_25 RangeIndex(start=-24, stop=1, step=1)
Idx_25[0]= 79
Idx_25[-1]= 103
Idx_25 の内容
RangeIndex(start=79, stop=104, step=1)
sl_cl_t
[[84.296 84.779 84.738 ... 83.858 83.834 82.898]
[84.779 84.738 85.506 ... 83.834 82.898 83.124]
[84.738 85.506 85.933 ... 82.898 83.124 82.481]
...
[96.364 96.955 96.711 ... 96.491 96.533 96.468]
[96.955 96.711 96.949 ... 96.533 96.468 95.981]
[96.711 96.949 96.526 ... 96.468 95.981 95.621]]
(949, 25)
sl_cl_20
[[84.296 84.779 84.738 ... 84.049 83.295 83.45 ]
[84.779 84.738 85.506 ... 83.295 83.45 83.159]
[84.738 85.506 85.933 ... 83.45 83.159 83.511]
...
[96.364 96.955 96.711 ... 95.135 95.503 95.813]
[96.955 96.711 96.949 ... 95.503 95.813 95.987]
[96.711 96.949 96.526 ... 95.813 95.987 96.321]]
基準値
[96.147 96.124 96.73 96.843 96.937 96.853 96.661 96.192 96.887 95.384
95.135 95.503 95.813 95.987 96.321 96.491 96.533 96.468 95.981 95.621]
cor
[[ 1.00000000e+00 -8.25732774e-03 -2.73409689e-04 ... -1.37152027e-01
-1.91166582e-01 -2.78422302e-01]
[-8.25732774e-03 1.00000000e+00 8.22520602e-01 ... 6.34163737e-01
6.47746344e-01 5.04588650e-01]
[-2.73409689e-04 8.22520602e-01 1.00000000e+00 ... 6.80656581e-01
6.38564339e-01 6.48177116e-01]
...
[-1.37152027e-01 6.34163737e-01 6.80656581e-01 ... 1.00000000e+00
5.86930904e-01 3.87978223e-01]
[-1.91166582e-01 6.47746344e-01 6.38564339e-01 ... 5.86930904e-01
1.00000000e+00 6.01627089e-01]
[-2.78422302e-01 5.04588650e-01 6.48177116e-01 ... 3.87978223e-01
6.01627089e-01 1.00000000e+00]]
相関max= 0.8382548033571624
相関max_ID= 290
相関する25個のデータ
[91.589 91.804 92.529 92.833 92.866 92.975 92.312 91.441 91.716 87.964
88.804 88.231 89.152 89.04 89.882 90.615 90.153 89.375 88.826 88.137
90.71 90.082 90.863 91.149 91.139]
元データsl_cl_t[c_max_id]を1×25 次元に変換
[[91.589]
[91.804]
[92.529]
[92.833]
[92.866]
････････
[90.71 ]
[90.082]
[90.863]
[91.149]
[91.139]]
sl_cl_t[c_max_id]標準偏差値
[[ 0.66240132]
[ 0.80181737]
[ 1.27194126]
[ 1.46906907]
[ 1.49046781]
････････
[ 0.09241663]
[-0.31480793]
[ 0.19162898]
[ 0.37708475]
[ 0.37060028]]
標準偏差 s = 0.5236728439588977
平均値 m = 96.23055
予測値 w
[[96.57743158]
[96.65043998]
[96.8966311 ]
[96.99986158]
[97.01106752]
････････
[96.27894608]
[96.06569364]
[96.33090089]
[96.42801904]
[96.4246233 ]]
Date_99
['2025/04/01' '2025/04/02' '2025/04/03' '2025/04/04' '2025/04/07'
'2025/04/08' '2025/04/09' '2025/04/10' '2025/04/11' '2025/04/14'
'2025/04/15' '2025/04/16' '2025/04/17' '2025/04/18' '2025/04/21'
'2025/04/22' '2025/04/23' '2025/04/24' '2025/04/25' '2025/04/28'
'2025/04/29' '2025/04/30' '2025/05/01' '2025/05/02' '2025/05/05'
････････
'2025/07/15' '2025/07/16' '2025/07/17' '2025/07/18' '2025/07/21'
'2025/07/22' '2025/07/23' '2025/07/24' '2025/07/25' '2025/07/28'
'2025/07/29' '2025/07/30' '2025/07/31' '2025/08/01' '2025/08/04'
'2025/08/05' '2025/08/06' '2025/08/07' '2025/08/08' '2025/08/11'
'2025/08/12' '2025/08/13' '2025/08/14' '2025/08/15']
['4/1', '4/15', '4/29', '5/13', '5/27', '6/10', '6/24', '7/8', '7/22', '8/5', '8/22']
[0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 103]
RangeIndex(start=0, stop=99, step=1)
0
0 96.279
1 96.066
2 96.331
3 96.428
4 96.425
5 83.825
0
0 25/8/18
1 25/8/19
2 25/8/20
3 25/8/21
4 25/8/22
5 信頼度(%)
0 0
0 25/8/18 96.279
1 25/8/19 96.066
2 25/8/20 96.331
3 25/8/21 96.428
4 25/8/22 96.425
5 信頼度(%) 83.825
次に
/home/yamada/public_html/manep-img/
の中に以下のような
gai_sou_d.png と gai_sou_d.csv
ができていることを確認します。
上手く動作しましたか。
下記、相関係数 豪ドル/円日足予測Ⅱチャ－ト表示に行くと予測Ⅱチャ－トを見ることができます。
引き続き、相関係数豪ドル/円予測ファイルⅡを定時自動実行します。