gink03 / rnn-bitflyer-predictor

kerasでbayesian nuralnetworkを実装し、mona coinの値段を予想します

bitflyer auto bit and sell

BIDとASKについて

大規模資本が資本を投下すると、成行きで購入することが多く、えぐるように、多くの板（BidとAskに挿している数）が、溶けて消えるとそうです。

このとき、成行きの範囲に収まっていれば売れて消えるので、戦略的には、この乖離が発生する箇所を予想すればいいとわかります。

モデル1(RNN)

系列情報なので、RNNで予想を行います。

どうせ板情報が複雑過ぎて、上手く行かないので、板情報の次元を予め、FCを通して落としておく

MAEの最小化を目的関数に先の150秒を予想する

40ごとの定点観測の4点についてのASK, BIDの乖離量を計算すると、7holdしたMAEで、1.559程度の差になる

ベンチマークとして平均との差を計算すると、1.896程度であり、学習できていることがわかる。

この時の、平均値からの差を答えとした場合のMAEの計算はとなります。

import pickle
from math import sqrt

tds, Tds, tbs, tas = pickle.load(open('tmp/ds_tuple.pkl', 'rb'))

a1 = Tds[:, 0, 0].mean()
SIZE = len(Tds[:, 0, 0])

print(a1)
print(SIZE)

import numpy as np
from sklearn.metrics import mean_squared_error
from sklearn.metrics import mean_absolute_error

score = 0
for i in range(1):
  #score += sqrt(mean_squared_error(Tds[:, i], zeros[i]))
  score += mean_absolute_error(Tds[:, 0, 0], [ a1 for x in range(SIZE) ] )
  #print( Tds[:, i][:,0] )
  #print( zeros[i].shape )
print( score  )

Next Action

• どこで売って、どこで買うかのルール策定
• BitFlyerでの実正試験