Recurrent Neural Network RNN Ⅳ
さくら VPS RNN 豪ドル/円予測 Ⅳ
さくら VPS RNN 豪ドル/円予測Ⅲ
で作成した 5000本の大容量データを使用した
RNN 予測ファイル keras-go-long-4.py
を元に
外為どっとコムのアプリから手動で取得した豪ドル/円の為替データで
RNN 豪ドル/円予測 Ⅳを行うことにしました。
その為替データ方法については
さくら VPS 相関係数予測Ⅱファイル
からご覧ください。
さくら VPS RNN 豪ドル/円予測Ⅳファイル作成
さくら VPS RNN 豪ドル/円予測Ⅳファイルの原型 keras-go-lnsk-4.py が
さくら VPS RNN 豪ドル/円予測Ⅲ
にあります。
これを外為どっとコムデータ用に変更して行きます。
- conda py312 用に変更 ①
python3 のインストールされている場所を明確にします。
さくら VPS Ubuntu 24.04 Python/TensorFlow, Keras インストール
で python 3.12 の conda 仮想環境 py312 を作成し、ここに tensorflow 2.18 をインストール しました。
よって python3 がインストールされている場所は
/home/yamada/miniconda3/envs/py312/bin/python3
となります。
#!/home/yamada/miniconda3/envs/py312/bin/python3
#coding: utf-8
- csv ファイルフォルダ ②
外為どっとコムのアプリからの豪ドル/円の為替日足データは
/home/yamada /public_html/manep/gai_audjp_d.csv
にあります。
又 ０列が index 列になっていますので、index_col=0 とします。
df = pd.read_csv(
"/home/yamada /public_html/manep/gai_audjp_d.csv", index_col=0)
とします。 - ロ－ソク日足データ取得
今後必要となる index 番号も振っておきます。
df = df.reset_index()
０から始まる番号が各行に振られました。
この番号 Idx は
Idx = df.index
で取得できます。
ロ－ソク足表示に必要なデ－タは
Open = df["open"].values
High = df["high"].values
Low = df["low"].values
Close = df["close"].values
Date = df["index"].values
の５列です。 - ロ－ソク日足５日分予測日取得
外為どっとコムから取得した日時データは
2025/05/30
のような書式です。
最後(最新)のデータ年月日 tstr は
tstr = Date[-1]
となり、日付の文字列表現を strptime メソッドで datetime 型のオブジェクトに変換します。
datetime ではモジュール名と日時を扱うクラス名が同じ datetime なので注意が必要です。
tdatetime = datetime.datetime.strptime(tstr, '%Y/%m/%d')
ここでは、
from datetime import datetime as dt
と宣言していますので
tdatetime = dt.strptime(tstr, '%Y/%m/%d')
となります。
これで、addBusinessDays(tdatetime, 5) で日足５本分の予測営業日を取得することができます。
例えば、
2025/05/30
の書式で渡すと、cur_date4 として
5/31, ････････
の書式で返ってきます。
詳細説明
相関係数予測
も参照してください。 - RNN 豪ドル/円予測の詳細
この後はしばらく変更はありません。
詳細については
Win11 WSL2 Ubuntu Python RNN 概要
WSL2 Python RNN 検証デ－タセット作成
WSL2 Python RNN Keras モデルの構築
WSL2 Python RNN Keras 予測値プロット
WSL2 Python RNN Keras 予測最終日取得
に説明がありますのでお読みください。 - 予測チャートの表題と保存 ③,④
表題は
plt.title('AUS$ / JPY RNN Days Chart')
とし、チャートファイルは
plt.savefig(
'/home/yamada /public_html/manep-img/gai_rnn_d.png')
として保存します。 - 予測結果の保存 ⑤
df_concat.to_csv(
'/home/yamada /public_html/manep-img/gai_rnn_d.csv',
header=False, index=False)
詳細は
相関係数予測精度向上--結果の保存
を参照してください。
ここまでで、 keras-go-lnsk-4.py からの変更点について説明しました。
引き続き、これらの変更点を加味して
さくら VPS 相関係数豪ドル/円日足予測ファイルⅣ
gai_rnn_d.py
をまとめます。