[프로젝트]성능개선-파이썬 머신러닝을 통한 삼성전자 주가 예측(12)

목표

1. 크롤링을 통해  네이버  금융주가  주가 가져오기

2. 머신러닝알고리즘을 적용해 주가 예측 모델 만들기

3. 성능 좋은 모델을 만들기

 

3-2. 딥러닝을 통한 예측

시계열 데이터에서 사용하는 순차 신경망(RNN) 을 이용한 예측. RNN부터 학습하고 와야겠다~

 

1. 데이터 가져오기

import pandas as pd
from sklearn.model_selection import train_test_split
import numpy as np
from tensorflow import keras

df = pd.read_excel('samsung.xlsx')
print(df)

2. 필요한 데이터 필드 가져오기 (문제지와 정답지 만들기)

dfx = df[['종가','시가','고가','저가','거래량']]
dfy = df['종가']

아직은 데이터 프레임 형식으로 되어 있으므로 이를 분석을 위해 list 형태로 바꾸어준다.

x = dfx.values.tolist()
y = dfy.values.tolist()
x

y

이제 까지 실제 주식데이터 예측률은 60~70% 등이 최대라한다. 외부적 요인과 갑작스런 이슈 때문이다.  딥러닝을 사용하면 기존 한순간, 한시점을 학습하던 것을 일정기간 단위로 연속적으로 컴퓨터가 참고할수 있는 데이터를 주면 좋다고 한다. 

 

먼저 데이터 표준화(스케일링)을 하자

data_x = []
data_y = []
window = 10

mean = np.mean(x, axis=0)
std = np.std(x, axis=0)

x = (x - mean)/std
x

 

데이터를 10개 단위로 경향성을 주어 RNN 학습을 시킨다.

data_x = []
data_y = []
window = 10

mean = np.mean(x, axis=0)
std = np.std(x, axis=0)

x = (x - mean)/std

for i in range(len(y)-window):
    if y[i+window-1] < y[i+window]:
        data_y.append(1)
    else:
        data_y.append(0)
    data_x.append(x[i:i+window]) #0 ~ 9일차 까지

data_x = np.array(data_x)
data_y = np.array(data_y)

x_train, x_test, y_train, y_test = train_test_split(data_x, data_y, test_size=0.2)
model = keras.Sequential()

model.add(keras.layers.SimpleRNN(10, activation='relu', input_shape=(10,5)))
model.add(keras.layers.Dropout(0,1))
model.add(keras.layers.Dense(1, activation= 'sigmoid'))

stop = keras.callbacks.EarlyStopping(patience=10, restore_best_weights=True)
model.compile(loss= 'binary_crossentropy', optimizer='adam', metrics = 'accuracy')
model.fit(x_train, y_train,
          validation_data = (x_test, y_test),
          epochs=1000,
          callbacks=[stop])

 

model.evaluate(x_test, y_test)

51.6% 로 획기적인 개선은 없다.  데이터량이 않을 수록 성능개선의 효과가 있다고 한다.  삼성전자 말고 다양한 주식데이터 SimpleRNN (단기기억) 보다 LSTM (장기기억)이 좀더 좋다고 한다.

data_x = []
data_y = []
window = 10

mean = np.mean(x, axis=0)
std = np.std(x, axis=0)

x = (x - mean)/std

for i in range(len(y)-window):
    if y[i+window-1] < y[i+window]:
        data_y.append(1)
    else:
        data_y.append(0)
    data_x.append(x[i:i+window]) #0 ~ 9일차 까지

data_x = np.array(data_x)
data_y = np.array(data_y)

x_train, x_test, y_train, y_test = train_test_split(data_x, data_y, test_size=0.2)
model = keras.Sequential()

model.add(keras.layers.LSTM(10, activation='relu', input_shape=(10,5)))
model.add(keras.layers.Dropout(0,1))
model.add(keras.layers.Dense(1, activation= 'sigmoid'))

stop = keras.callbacks.EarlyStopping(patience=10, restore_best_weights=True)
model.compile(loss= 'binary_crossentropy', optimizer='adam', metrics = 'accuracy')
model.fit(x_train, y_train,
          validation_data = (x_test, y_test),
          epochs=1000,
          callbacks=[stop])

model.evaluate(x_test, y_test)

51.4% 로 획기적인 개선은 없다.  삼성전자 말고,  다른 주가 데이터 등  SimpleRNN보다 LSTM을 이용하면 좀더 좋은 결과를 얻을수 있을거 같다라는게 강의 결론이다. (강사왈)

 

다른 방법으로 추가 학습이 더 필요할 거 같다.

아무튼 예전보다 조금은 처음보다  익숙해 진듯. 더 나아 지겠지~~~