前回のレポートで、AIを使ってビットコインの価格予想をしようということに決めました
これを踏まえて、下の記事でAIモデルを実装してみたので、経緯を書いていこうと思います
Contents
機械学習モデルLSTMを実装したのでそのレポート
回帰に挑戦することに決めた
AI（機械学習）では、２つのことができます
・回帰
・分類
分類を使った価格予想を実装しました
上の記事では、チャートから次の日の価格が「上がる」のか「下がる」のかを予想させました
今回は、分類（「上がる」か「下がる」の分類）ではなく、回帰（価格を予想すること）に挑戦します
回帰をどうやって実現するのか
AIを使って、気温を予想したり、売上を予想したりできることは知っていますが、
ビットコインの価格予想をどうやってやるのか知らないので、調べてみました
調べてみると、AIを作って、気温予想や売上予想はもちろんのこと、暗号資産や株価、FXの価格予想をしている人たちがいることがわかりました
その人たちがどういう手法でAIを作っているのかを調べました
この記事（ブログ）が一例です
この人はAIを使って株価を予想している人です
具体的な手法として、時系列データ（ビットコインみたいに）の分析に、
RNN（recurrent neural network：再帰型ニューラルネットワーク）という機械学習の手法を使っていることがわかりました
真似して実装してみた
別のブログで、航空機の乗客者数の予想を詳しく解説している人がいたので、この記事をパクってビットコインの価格予想をしてみました
この記事に書きました
興味がある方は、ぜひご覧ください
実装した結果、当たり前ですが、LSTMを使ったビットコイン価格予想は単純にはいかないことがわかりました
これからどうするか
これまでに
・２層のニューラルネットワークを用いた分析（チャートが上がるパターンか下がるパターンかを分類）
・LSTMを使った価格予想
の２つをしてきました
どちらも価格予想結果は芳しくないのが現状です
しかし、原因はある程度わかっていて、チャートのデータしか使っていないからであると考えられます
チャートのデータしか使っていないというのは、人間で言う、チャートしか見ないでトレードしていると同じ状態です
情報が限られているので、人間には難かしく、AIにとっても難しいのです
そこで、チャート以外にもテクニカル分析などのデータ（特徴量）を新たに与えて予想させることで、価格予想の精度を上げられるのではないかと思います
いわゆる特徴量エンジニアリングというやつです
なので、次は、特徴量を使った機械学習モデルを作って、ビットコイン価格予想をさせてみようと思います
コメント