AnyTrading - FXトレードを強化学習で実行⑫ 参照するデータ数を変更(100→200)

AnyTradingで参照すべき直前のデータ数を変更して、投資成績の変化を確認してみます。

参照する直前データ数を変更

参照すべき直前のデータ数を変更するには gym.make するときの window_size で指定します。

前回は 30 から 100 に変更してかなり成績が向上したので、今回はさらに 200 まで参照データ数を引き上げて検証してみます。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
import os, gym
import gym_anytrading
import matplotlib.pyplot as plt
from gym_anytrading.envs import TradingEnv, ForexEnv, StocksEnv, Actions, Positions
from gym_anytrading.datasets import FOREX_EURUSD_1H_ASK, STOCKS_GOOGL
from stable_baselines.common.vec_env import DummyVecEnv
from stable_baselines import PPO2
from stable_baselines import ACKTR
from stable_baselines.bench import Monitor
from stable_baselines.common import set_global_seeds

# ログフォルダの生成
log_dir = './logs/'
os.makedirs(log_dir, exist_ok=True)

# 2020年1月1日最初のインデックス
idx1 = 6677691
# 2020年5月31日最後のインデックス
idx2 = 6824172
# 2020年1月1日最初から2020年5月31日最後のデータ数
span = 6824172 - 6677691

# 環境の生成
env = gym.make('forex-v0', frame_bound=(idx1 - span, idx1), window_size=200)
env = Monitor(env, log_dir, allow_early_resets=True)

# シードの指定
env.seed(0)
set_global_seeds(0)

# ベクトル化環境の生成
env = DummyVecEnv([lambda: env])

# モデルの生成
model = PPO2('MlpPolicy', env, verbose=1)
#model = ACKTR('MlpPolicy', env, verbose=1)

# モデルの読み込み
# model = PPO2.load('trading_model')

# モデルの学習
model.learn(total_timesteps=128000)

# モデルの保存
model.save('trading_model')

# モデルのテスト
env = gym.make('forex-v0', frame_bound=(idx1, idx2), window_size=200)
env.seed(0)
state = env.reset()
while True:
# 行動の取得
action, _ = model.predict(state)
# 1ステップ実行
state, reward, done, info = env.step(action)
# エピソード完了
if done:
print('info:', info)
break
# グラフのプロット
plt.cla()
env.render_all()
plt.show()

24行目48行目 で、参照する直前のデータを 100 から 200 に変更しています。

FXトレードを実行

上記コードを実行すると次のような結果になります。

[コンソール出力]

1
2
3
4
info: {'total_reward': -45900.000000015425,
'total_profit': 0.8990281692592879,
'position': 0}


実行結果


参照データ数を 30→100→200 と変化させたときの成績遷移は以下の通りです。

  • トータル報酬 -68300 → 23400 → -45900
  • トータル収益 0.907 → 0.992 → 0.899

今回は、トータル報酬とトータル収益ともに大幅に成績が悪化してしまいました。

単純に直前の参照データ数を上げても成績が上がるというわけではなさそうです。。。