楽天証券の口座でデイトレの自動売買に挑戦しようと Windows / Excel 上で利用できる マーケットスピード II RSS を活用して Python であれこれ取り組んでいます。この「自動売買への道」のトピックでは、プログラミングの話題にも踏み込んで、日々の活動をまとめていきます。
デイトレ用自作アプリ
以下は株価に関連する情報の流れを示しています。
楽天証券では、Python からネットワーク越しに直接取引できるような API が提供されていないので、マーケットスピード II RSS を介して取引をする構成を取っています。
強化学習のシステム作成
GPT-5 をはじめとした生成 AI に PPO エージェントのサンプルを提案してもらって、運良く良さげな学習効果が得られるものがあれば、そのコードを徹底的にレビューして、自分で使いこなせるようにしようという都合の良いことを考えていました。
運良く学習が進むエージェントが得られたので、これをベースにあれこれチューニングを始めています。
特徴量の設計（試案 2）
前回までで、特徴量がまあまあであれば、まあまあ良さげな学習モデルを得られることが判ったので、今回は単純化して、取得している Price（株価）と Volume（累積出来高）の 2 つを加工して、特徴量として評価しました。
Price は 前の株価との差額÷呼び値、Volume は前の出来高との差の対数に定数を乗じて桁数を調整したものにしました。
今回は、下記の 2 日分のティックデータで試しました。
7011 2025-08-19 のティックデータの場合
まずは、いままでと同じティックデータ（1 株あたりの期待収益はざっくり 100 円＋）で、元データと特徴量をプロットして確認しました。
200 回繰り返したときの学習曲線です。
7011 2025-08-28 のティックデータの場合
比較用に、従来のティックデータと反対の傾向の値動きのものをピックアップ（こちらも 1 株あたりの期待収益がざっくり 100 円＋）して、元データと特徴量を確認しました。
200 回繰り返したときの学習曲線です。
まとめ
2 種類の観測情報（＋建玉情報）だけでも、まずますのパフォーマンスを上げているように見えるモデルですが、個々の取引情報を残せるようにして売買内容を確認したいです。
また、GPT-5 が観測情報を増やすために追加を盛んに勧めてきたテクニカル指標を追加することで、どれだけ学習効果を上げる援けとなるのかどうか、評価を重ねて確認したいと思います。
試案 2 に使用した環境クラス
参考に、今回使用した環境クラスを以下に掲載しました。
参考サイト
- マーケットスピード II RSS | 楽天証券のトレーディングツール
- マーケットスピード II RSS 関数マニュアル
- 注文 | マーケットスピード II RSS オンラインヘルプ | 楽天証券のトレーディングツール
- PythonでGUIを設計 | Qtの公式Pythonバインディング
- PyQtGraph - Scientific Graphics and GUI Library for Python
- Python in Excel alternative: Open. Self-hosted. No limits.
- Book - xlwings Documentation
0 件のコメント:
コメントを投稿