AnyTrading - ビットコイン投資を強化学習で実行 ACKTR編(7番目 × 200日移動)

9月6日の記事にて学習済みアルゴリズムをACKTRにかえてビットコインの学習済みモデルを10種類作成しました。

今回からはそのうちの7番目の学習済みモデルに対して、30回連続で投資検証を行います。

強化学習のパラメータ

強化学習時のパラメータと学習用・検証用データスパンは下記の通りです。

検証データには学習データを200日分移動したものを使用します。

56行目で、検証データの位置を200日分後ろに移動しています。

  • 学習アルゴリズム
    ACKTR
  • 参照する直前データ数
    50
  • 学習データ
    [2017-07-14 ~ 2018-05-12] 1日足データ
  • 検証データ
    [2018-02-01 ~ 2018-11-28] 1日足データ

ソース

ソースは下記の通りです。

[ソース]

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
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
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

import numpy as np
import matplotlib.pyplot as plt

def simulation(i, window_size):
global means
# 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=window_size)
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))
model = ACKTR.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+500, idx2 + span+500), window_size=20)
env = gym.make('forex-v0', frame_bound=(idx1+200, idx2+200), window_size=window_size)
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, info['total_reward'])
means.append(info['total_reward'])
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/envs/openai_gym/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))

labels = []
means = []

for i in range(50):
labels.append('{}'.format(i))
simulation(6, 50)

x = np.arange(len(labels))
width = 0.35

fig, ax = plt.subplots()

rect = ax.bar(x, means, width)
ax.set_xticks(x)
ax.set_xticklabels(labels)

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

実行結果

実行結果は次のようになりました。

実行結果

実行結果(反対売買)


今までの学習済みモデルでは見られなかった結果となりました。

まず正規取引については全勝していますがかなり収益率が低いです。他のモデルの収益率の20%~50%程でしょうか。

さらに反対売買した時の結果が全てマイナス収益とはならずにちょっとだけプラス収益になることがあります。

次からは学習データと検証データが全く別になりますし、どんな結果になっていくのか楽しみです。

次回は検証データを300日分移動して同じ30回検証を行ってみたいと思います。