AnyTrading - ビットコイン投資を強化学習で実行⑤ １０回投資シミュレーション

前回行った１０回投資シミュレーションの結果がなかなか良い勝率だったので今回はその学習済みモデルを使い、期間を変えて検証してみます。

学習済みモデルを使っての投資シミュレーション

今回は学習を行わないので、学習に関するパラメータは不要となります。

検証データは前回のものを100データ分後ろに移動したものにします。

前回の処理で、学習済みモデル trading_model0.zip ～ trading_model9.zip が作成されているのでそれを読み込みます。

  • 検証データ
    [2020-07-16 08:00 ～ 2020-07-28 22:00]　１時間足データ

学習済みモデルを読み込んで、投資シミュレーションを行うコードは次のようになります。

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
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
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(i):
    # ログフォルダの生成
    log_dir = './logs/'
    os.makedirs(log_dir, exist_ok=True)

    # [20] 2020-06-28 10:00
    idx1 = 50
    # 
    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{}'.format(i))

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

    # モデルの保存
    #model.save('trading_model{}'.format(i))

    # モデルのテスト
    env = gym.make('forex-v0', frame_bound=(idx2 + 100, idx2 + span + 100), 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()

    with open('C:/Util/Anaconda3/Lib/site-packages/gym_anytrading/datasets/data/FOREX_EURUSD_1H_ASK.csv', 'r') as f:
        lines = f.readlines()
        s1 = lines[idx1].split(',')[0]
        s2 = lines[idx2-1].split(',')[0]
        print(s1,s2, (idx2 - idx1))

        s3 = lines[idx2].split(',')[0]
        s4 = lines[idx2+span].split(',')[0]
        print(s3,s4, (idx2+span - idx2))

for i in range(10):
    simulation(i)

44行目 と 47行目 をコメントアウトして学習を行わないようにし 41行目 で学習済みモデルを読み込んでいます。

また、50行目 で検証データの位置を100データ分後ろに移動しています。

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]

1
2
3
4
5
6
7
8
9
10
info: {'total_reward': -800660000.0, 'total_profit': 0.8871423377034632, 'position': 1}
info: {'total_reward': 564920000.0, 'total_profit': 0.9406731039728069, 'position': 1}
info: {'total_reward': -1556660000.0, 'total_profit': 0.8563050737197522, 'position': 0}
info: {'total_reward': 1235520000.0, 'total_profit': 0.9731507256725124, 'position': 0}
info: {'total_reward': 486750000.0, 'total_profit': 0.9360567427907976, 'position': 0}
info: {'total_reward': 1682380000.0, 'total_profit': 0.9902475624121104, 'position': 0}
info: {'total_reward': -513180000.0, 'total_profit': 0.8963847499197707, 'position': 1}
info: {'total_reward': 588740000.0, 'total_profit': 0.9492319160424293, 'position': 0}
info: {'total_reward': -58280000.0, 'total_profit': 0.9160118344100849, 'position': 1}
info: {'total_reward': -602670000.0, 'total_profit': 0.8958363786448649, 'position': 1}

実行結果(1回目)
実行結果(2回目)
実行結果(3回目)
実行結果(4回目)
実行結果(5回目)
実行結果(6回目)
実行結果(7回目)
実行結果(8回目)
実行結果(9回目)
実行結果(10回目)


前回の結果（トータル報酬）と今回の結果（トータル報酬）を表にまとめてみます。

No.トータル報酬（前回）トータル報酬（今回）
①13,300,000円-800,660,000円
②-127,340,000円564,920,000円
③429,940,000円-1,556,660,000円
④-472,090,000円1,235,520,000円
⑤40,030,000円486,750,000円
⑥-260,510,000円1,682,380,000円
⑦88,920,000円-513,180,000円
⑧25,500,000円588,740,000円
⑨405,860,000円-58,280,000円
⑩88,940,000円-602,670,000円

No⑤とNo⑧は、前回と今回の検証両方でプラスの報酬となっていていい感じです。

No③は前回4.3億円ほど儲けましたが、今回は15億円ほど失っております・・・・シビレますね。(;^ω^)