相関係数豪ドル/円４時間足予測
豪ドル/円４時間足チャートファイル保存
相関係数豪ドル/円４時間足大容量チャート表示ファイルを保存します。
相関係数豪ドル/円４時間足予測概要
で作成した dsc_4h-1.py を windows 側で作成します。
dsc_4h-1.py の内容をすべてをコピ－し、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ファイル名を dsc_4h-1.py として保存します。
文字コ－ドは、UTF-8N
BOM なし
改行コ－ドは、LF
です。
保存先はホスト Wimdows OS の
Linux \Ubuntu-22.04 \\wsl.localhost フォルダ
Linux/Ubuntu-22.04/home/yamada/public_html/dsc_4h-1.py
とします。
豪ドル/円４時間足チャートファイル確認
WSL2 Ubuntu のターミナルを立ち上げます。
立ち上げ方がわからない方は
Ubuntu の起動
を見てください。
yamada@yama:~$ conda activate
として conda 環境を有効にします。
public_html/dsc-6.py ファイルを実行します。
(base) yamada@yama:~$ python3 public_html/dsc_4h-1.py
上記のように表示されれば OK です。
相関係数豪ドル/円４時間足予測ファイルⅠ
ここからは相関係数豪ドル/円４時間足予測ファイルを作成して行きます。
このファイルの基本形は
相関係数応用ファイルまとめ
にありますのでこれ(dsc-4.py)を改造して行きます。
日足データは１週間(5日)に５本、１月(4週)に２０本あり
基準配列、比較配列は１月分２０本とし、比較配列の次の５本は予測配列とし
計２５本を１セットとしました。
一方
４時間足データは１日に６本、１週間(5日)に３０本あります。
基準配列、比較配列は４日分２４本とし、比較配列の次の６本は予測配列とし
計３０本を１セットとします。
よって、dsc-4.py の設定値を下記のように変更します。
n_25 = 25
→ n_30 = 30
sl_cl_20 = sl_cl_t[:,:20]
→ sl_cl_24 = sl_cl_t[:,:24]
kijyu = sl_cl_t[-1, 5:]
→ kijyu = sl_cl_t[-1, 6:]
相関係数豪ドル/円４時間足予測ファイルⅠまとめ
相関係数豪ドル/円４時間足予測ファイルⅠをまとめると以下のようになります。
変更部分は赤字にしています。
ファイル名は dsc_4h-2.py とします。
# coding: utf-8 import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn import preprocessing xl_df = pd.read_csv("public_html/manep-w/mane_chart_go_long_4h.csv", encoding="cp932") # print(xl_df) Close = xl_df["終値(売り)"].values Idx = xl_df.index print(Idx) print(Close) n_30 = 30 sl_cl_t = [] for n in range(Idx[-29]): sl_cl_t = np.append(sl_cl_t, Close[n:n+n_30]).reshape(n+1,n_30) print("sl_cl_t") print(sl_cl_t) print(sl_cl_t.shape) sl_cl_24 = sl_cl_t[:,:24] print("sl_cl_24") print(sl_cl_24) kijyu = sl_cl_t[-1, 6:] print("基準値") print(kijyu) cor = np.corrcoef(kijyu, sl_cl_24) print("cor") print(cor) cor1 = cor[1:, 0] cor_max = np.amax(cor1) print('相関max=', cor_max) c_max_id = np.argmax(cor1) print('相関max_ID=', c_max_id) print("相関する30個のデータ") print(sl_cl_t[c_max_id]) # print("基準") # print(kijyu) plt.plot(sl_cl_t[c_max_id]) # 相関する30個 plt.plot(kijyu) # ラスト24個 plt.show() # インスタンスの作成 sscaler = preprocessing.StandardScaler() x = sl_cl_t[c_max_id].reshape(-1,1) print(" 元データsl_cl_t[c_max_id]を1×30 次元に変換") print(x) y = sscaler.fit_transform(x) print("sl_cl_t[c_max_id]標準偏差値") print(y) # 基準 kijyu の標準偏差 s と平均値 m s = np.std(kijyu) print("標準偏差 s = ", s) m = np.mean(kijyu) print("平均値 m = ", m) w = y * s + m print("予測値 w") print(w) plt.plot(w) # 相関する30個 plt.plot(kijyu) # ラスト24個 plt.show() # yamada@yama:~$ conda activate # (base) yamada@yama:~$ python3 public_html/dsc_4h-2.py
これで相関係数豪ドル/円４時間足予測ファイルⅠが完成しました。
引き続き、このファイルの動作確認をします。