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)
13,300,000円-800,660,000円
-127,340,000円564,920,000円
429,940,000円-1,556,660,000円
-472,090,000円1,235,520,000円
40,030,000円486,750,000円
-260,510,000円1,682,380,000円
88,920,000円-513,180,000円
25,500,000円588,740,000円
405,860,000円-58,280,000円
88,940,000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^)