AnyTrading - ビットコイン投資を強化学習で実行④ １０回投資シミュレーション

August 10, 2020

前回行った１０回投資シミュレーションの結果が意外と面白かったので、今回は少しだけ条件を変えてまた１０回投資シミュレーションを行ってみます。

ビットコインデータを使っての１０回投資シミュレーション

今回は、投資アルゴリズムと学習データ、検証データを変えずに、参照するデータ数 を 50 から 20 に変更してみます。

学習アルゴリズム
PPO2
参照する直前データ数
50→20
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

１０投資シミュレーションを１０回行うソースコードは次のようになります。

import os, gym
import datetime
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

def simulation():
    # 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=20)
    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=20)
    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.savefig('trading{:%Y%m%d_%H%M%S}.png'.format(datetime.datetime.now()))
    #plt.show()

for _ in range(10):
    simulation()

26行目 と 50行目 で参照する直前データ数を50から20に変更しています。

１０回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]

info: {'total_reward': 13300000.0, 'total_profit': 0.9904737506764453, 'position': 1}
info: {'total_reward': -127340000.0, 'total_profit': 0.9832831900677288, 'position': 0}
info: {'total_reward': 429940000.0, 'total_profit': 1.011445481975599, 'position': 0}
info: {'total_reward': -472090000.0, 'total_profit': 0.967417502272185, 'position': 1}
info: {'total_reward': 40030000.0, 'total_profit': 0.9913254784054742, 'position': 0}
info: {'total_reward': -260510000.0, 'total_profit': 0.9768202719417803, 'position': 0}
info: {'total_reward': 88920000.0, 'total_profit': 0.9949391326424537, 'position': 0}
info: {'total_reward': 25500000.0, 'total_profit': 0.9909099378214967, 'position': 1}
info: {'total_reward': 405860000.0, 'total_profit': 1.0093865995804734, 'position': 1}
info: {'total_reward': 88940000.0, 'total_profit': 0.9948055397687532, 'position': 1}