AnyTrading - ビットコイン投資を強化学習で実行② 投資シミュレーション。

前回準備したビットコインデータを使って投資シミュレーションを行います。

ビットコインデータを使っての投資シミュレーション

最初のパラメータとしては次のように設定してみました。

  • 学習アルゴリズム
    PPO2
  • 参照する直前データ数
    50
  • 学習データ
    [2020-06-29 16:00 ～ 2020-07-24 17:00]　１時間足データ
  • 検証データ
    [2020-07-24 18:00 ～ 2020-07-12 03:00]　１時間足データ
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)

# [50] 2020-06-29 16:00
idx1 = 50
# [350] 2020-07-24 18:00
idx2 = 350
# データ数
span = idx2 - idx1

# 環境の生成
env = gym.make('forex-v0', frame_bound=(idx1, idx2), window_size=50)
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=(idx2, idx2 + span), window_size=50)
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()

ビットコインの投資シミュレーションを実行

上記コードを実行すると次のような結果になりました。

[コンソール出力]

1
2
3
info: {'total_reward': -188660000.0,
       'total_profit': 0.9782260891934539,
       'position': 0}

実行結果


トータル報酬が -188,660,000、トータル収益が 0.9782 となりました。

２億円近くの損益となると笑えませんね。(;^_^A

最初のビットコイン投資結果としては散々な結果となってしまいましたが、今後は、学習アルゴリズムや参照データ数などを変更して、投資結果がどう変化するかを検証していこうと思います。