AnyTrading - ビットコイン投資を強化学習で実行 ACKTR編(9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9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(9, 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)


全勝となっており、収益率は他の学習済みモデルよりも少なめ・・50%~60%程度です。

反対売買時には損失が少なく、たまにプラス収益になるのは少し珍しいパターンです。

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でしょうか。

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。