Pythonの線形回帰での予測値の算出方法

Question

Pythonの線形回帰モデルで、為替レート（米ドル/円）の予測をしようとしています。
関連する株価指標などをもとに、予測値を算出するモデルを作成しました。

ソースコードは以下の通りです。

from sklearn.linear_model import LinearRegression

feature_cols = ["USDJPY_High", "USDJPY_Low", "US_10year_government_bond_yield", "TOPIX_Close", "Nikkei225_Close", "USDollarIndex_Price"]
X = fx2[feature_cols]
Y = fx2.USDJPY_Close

lr = LinearRegression()
from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.4, random_state=3)

lr.fit(X_train, Y_train)
Y_pred = lr.predict(X_test)

元のデータセットは、4/5/2018のレートが最新です。

ここから20日間分の予測値を算出し、グラフ化したいのですが、
どのようなコードを書けば良いのかわかりません。
ご存知の方がいらっしゃれば教えていただけないでしょうか。

Comments

[tachikoma]

このアプローチで20日間の予測って、未知の未来のレート(feature_col)を使って、未知の未来のレート(USDJPY_Close)を予測する、というのをやろうとしてるんですか？

[es_1938]

4/10/2015から4/5/2018まで3年分のデータを使って、4/6/2018から20日分のレートを予測値として算出したいと思っています。そのうえで、実際のレートとどのくらい乖離しているか検証するつもりです。

Answer 1

今の予測モデルは
・USDJPY_High
・USDJPY_Low
・US_10year_government_bond_yield
・TOPIX_Close
・Nikkei225_Close
・USDollarIndex_Price
を使って為替レートを予測するものなので、4/6/2018から20日分のこれらのデータをインプットに予測することになります。したがって、tachikomaさんのいうようにこれらのデータがない未来において為替レートを予測することは、モデルそのものを変えない限り不可能です。

具体的にいうと、時系列分析と呼ばれる方法論をもとにした予測モデルに取り組む必要があります。pythonだとstatsmodelに時系列分析に必要な関数が実装されているので、それらを使うといいかと思います。あるいは、Facebookが開発・公開したfbprephetも結構使い勝手がいいのでお勧めです。少し凝ったモデルにしたいのであれば、tensorflowをつかってRNNを実装するのもいいかと思います。

Comments

[es_1938]

ご回答ありがとうございます。
＞pythonだとstatsmodelに時系列分析に必要な関数が実装されているので、それらを使うといいかと思います。
こちら、具体的にどのようなコードを書けばいいかを示す参考資料があれば教えていただけないでしょうか。Pythonや機械学習についてはまだ初心者なので、できるだけ簡単にできる方法で進めたいと思います。よろしくお願いします。

[R.Shigemori]

質問から時系列モデルと線形回帰モデルの相違がわかっていないように思えるので、まず時系列モデルの考え方とモデルの種類（ARMA・ARIMA・SARIMAX）を理解するところから始めないとコードにできないと思います。とりあえず、何でもいいので時系列分析入門と書いてある書籍を入手してベースとなる知識を蓄積することをお勧めします。最近、ぱらぱら見ていて良書と思ったのは「時系列分析と状態空間モデルの基礎」です。ただし、コードがRなのでstatsmodelの公式ドキュメントを見ながらpythonに置き換えるという作業が必須になります。pythonネイティブのものは書籍・Web記事ともに少ないこともありお勧めは思い浮かびません。

[es_1938]

ありがとうございます。いろいろ調べて以下の通り途中までコードを書いてみたのですが、どう続けていいか分からず、、アドバイスいただけると幸いです。SARIMAXを使えば予測値の算出もできそう、というところまでは分かったのですが、具体的にどうすればいいでしょうか。
ーー
import statsmodels.api as sm
import statsmodels.formula.api as smf

feature_cols = ["USDJPY_High", "USDJPY_Low", "US_10year_government_bond_yield", "TOPIX_Close", "Nikkei225_Close", "USDollarIndex_Price"]
X = fx2[feature_cols]
Y = fx2.USDJPY_Close

from sklearn.cross_validation import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.4, random_state=3)
model = sm.OLS(X_train, Y_train)

results = model.fit()

[R.Shigemori]

OLSは回帰モデルなので、前のコードと同じことをしていることになるので未来予測は不可能です。

SARIMAXを使うのであれば、自己相関の有無・移動平均値との相関の有無・差分階差の要否・季節周期性の有無・外因性の有無を分析してSARIMAXのパラメーターとして設定した学習をさせる必要があります。

とりあえず、外因性（今回でいうと日経平均などの説明変数としていたもの）のことは忘れて過去の為替レートの推移からある時点の為替レートを予測するモデルの構築から手がけたほうがいいと思います。

[es_1938]

ご回答ありがとうございます。以下、トライしてみようと思います。
＞とりあえず、外因性（今回でいうと日経平均などの説明変数としていたもの）のことは忘れて過去の為替レートの推移からある時点の為替レートを予測するモデルの構築から手がけたほうがいいと思います。

何度もすみません、OLSではできないとなると何を使えばいいのでしょうか。

[R.Shigemori]

statsmodel.tsa.SARIMAX()を使う感じかと思います。

[es_1938]

ありがとうございます。