先日、ML（機械学習）化するか悩んでいた下の線形回帰によって導き出されたバックテストロジックですが、MLすることにいたしました。
ホールド時間が長いのが嫌だったのですが、
一つのBOTポートフォリオとして採用することにし、更にはこれをML化することしました。
ML（機械学習）モデル
雑な私は線形回帰では全区間のデータを使って適当にパラメーターをいじっています。
scikitlearnを使えばすぐに出てきそうですが、自分で数字を変化させて挙動をみることにより、なんとなくの効く指標を確かめています。
MLをするときはこれも雑で、TEST区間は作らずにVALIDATION区間を多めにとって判断してます。early stopping を使って学習させ、TRAINING区間とVALIDATION区間の成績がほとんど差異がなければOKという雑な判断で使っています。
で、上のモデルをML化すると下の様になりました。
線形回帰とは異なる特徴量もいれて、何となくMLっぽい特徴量構成とすると結構伸びてくれました。Validation区間は3割ほど取っています。
GCPにデプロイ
GCPに上記学習モデルをpickleファイルにしてgoogle could strageに放り込み、そこから読み出して使っています。GCPやAWSなどのサービスの利点はどこからでも様子を確認したり、変更できることです。
再来月はアルゼンチンに出張が決まり、再来週にアメリカかもと言われている中、何処からでもアクセスしてメンテできるのはうれしい限りです。
ちなみに、本日からこのモデルを投入していますが、初戦は負けてしまいました。明日から爆益であることを切に祈って寝る事にします。
では。