生活リズムを整える。引き続き(略
生活サイクルが整う
19-20時就寝、2-3時起床の生活ライフサイクルが整いました。
これで子供の世話をしつつ十分に睡眠時間も取れるようになりました。
IntellijからVSCodeへの移行が完了
仕事でIntellijを使うとライセンスの更新の問題とかがあり、非常に面倒なのでIntellijからVSCodeへ移行しました。
やはり現時点での完成度だとIntellijの方が高いですが、今後良くなってくれることを期待します。
VSCodeでまだ不十分だなと感じるのはスタックトレースからソースコードへの遷移が効かないとか、設定を間違えて実行して待ち状態になった後でキャンセルする方法がない(わからない)とか。Pythonプラグインだけの問題が多いかもしれません。
まあ今後良くなっていくことを期待します。
恐しく杜撰なセキュリティ問題が話題に
Peingは他人のtwitterアクセストークンおよびシークレットが取れるという謎の挙動を示しており、
宅ファイル便は生パスワードをデータベースに保存していた、という状況。
どちらも常識的にはありえない状況ですが、どうすれば防げたのか。
最近は社内のセキュリティチームなり外部の会社がセキュリティチェックをするということもありますが、上記2つは少なくともツールの機械的チェックでは検出されないと思います。また、セキュリティチームとか開発チーム外からだとシステムの内部は見えづらい部分もあり、問題が発覚したかどうかは危ういと思います。
チームでコードレビューをしっかり行えば、複数人から問題点の指摘を得られたはずなので、おそらくコードレビューをしていなかったのではないかな、と思います。
/
ファンダメンタル分析用のデータ収集中
ファンダメンタル分析用の収集中
とはいえ12時間で17%しか取れていない。Japan GAAPに対応している企業の2014～2018のデータを取得しています。
データそのものはちゃんと取れてそうですが、まだまだ時間がかかりそうです。
株価データを取得していないので、まだまだ情報が必要。
とか考えている間にデータにちょっと問題があることが発見。時間がかかるなあ。60時間とかかかりそうなので電気代が気になってくる。
中飛車勉強中
初段になりたいと思っているのですが、居飛車は大変なので、中飛車への移行を検討中。というわけで読書。まだ序盤です。
大阪なおみ選手決勝で勝利
気になったので観戦。第二セットを取られましたが、終わってみれば大阪なおみ選手の勝利。ほぼ互角でしたが全般的に大阪選手の方が押していたと思います。
クビドバ選手の頑張りが素晴らしかったことが印象に残ります。
年齢的に全盛期であろう2016年に強盗に襲撃され、利き手の左手に重傷を負ってからここまで這い上がってきたというその精神力の強さが素晴らしい。
作業が少しずつ進む。眠りが浅いのはエアコンを消しているせい？
引き続きファンダメンタル投資機械学習の実装作業中
機械学習部分はまだなのですが、データ収集部分はモジュールが形になってきたので、全体を組み合わせる作業中。
時間がかかるなあ、と。やっぱりプログラミングって地道な作業が多いですね。
キングダムハーツ3が発売したけど、見守り中
キングダムハーツ3が発売しましたが、1も2もやったことないのと、自分がディズニーに興味があるかもイマイチわからない状況だったのでtwitchを見て買うか買わないかを検討しました。
見ていた感想としてはあまり好みではなさそうだな、ということで撤退。
一応毎日7時間くらいは寝ているはずなのですが、それでも眠い
電気代を節約しようと、自分の部屋のエアコンを寝る時に消すようにしたのですが、それが悪い気がしています。ちゃんと寝ているのに昼間に眠くなる。寝る時は16℃から19℃が適切らしいので、その辺に設定しようかと思います。
なかなか進まず。子供の教育について考える
分析を進めるもあまり進まず
育児やりつつ作業しているのが問題なのか、あまり進まず。
若干睡眠不足の状態が続いているのが良くないような？
とりあえず進んではいるので、このまま継続。
20時くらいまで子供の世話をして、3時起きなのですがうまく21時に寝れたとしても6時間、通常は寝る前に時間がかかるので5-6時間睡眠となっています。眠い。
子供の教育について
- 幼児教育で得た知識は小学校が始まると追いつかれるので意味がない
- 知的好奇心を育てるのが重要
- 知的好奇心を育てるためには、自然に触れたり、自分の手を動かすのが良い
- 英語の早期教育は英語に浸るほどの環境でないとあまり意味がなさそう
ということで、色々なものを見せてその中で子供の興味があるものを伸ばしてあげるのが良いかと思います。
引き続きファンダメンタル分析の機械学習を実装中
引き続き実装中
ファンダメンタル指標はIFRS以外は取れるようになり、株価情報も以前作ったモジュールで取れるようになりました。
次はちょっと機械学習部分の実装をしてみようかと考えています。アンサンブル学習部分の実装ですね。
Kaggleを見つつ実装していこうと思います。
読んだ本
進化生物学の理論や事実を考慮した心理学研究のことを進化心理学と呼びます。
以下のような話が興味深かったです。
- 男性は繁殖能力の高い女性に魅力を感じる。非常に若い男性は少し年上の女性に魅力を感じる。
- 男性が魅力に感じる女性の顔、女性が魅力に感じる男性の顔は平均ではなく適応的予測が示す方向にズレている(男性の顔ならテストステロン、女性の顔であればアンドロゲン被曝が少なく、エストロゲンの影響を受けた顔が好まれる)
- 最初の子供あるいは最後の子供は親から投資され、中間の子供はあまり投資されない
- 母親と違い、父親は自分の子供でない可能性があるため、父親は自分の顔に似た子供により愛情を感じる。
- ヒトが最もうまく数字を扱えるのは「それが頻度として表示されている」「オブジェクト全体，出来事，場所として表現されている」「比較的小さな整数で表現されている」場合であることがわかっている．それぞれ頻度仮説，個別化仮説，参照数量仮説として提唱されてきたものだ．
- 就学前により温かく支援的な養育を受けた女子は思春期発達が遅い
- 実父と一緒に過ごし父親が養育に多くかかわった女子は思春期発達が遅くリスクある性行動を関与することが少ない
入門書ですが、なかなか分量が多く読むのに労力がかかる本です。この分野が面白いことは間違いないので今後ともこの領域を追っていきたいと思います。
はじめての技術書ライティング―IT系技術書を書く前に読む本 (NextPublishing)
- 作者: 向井領治
- 出版社/メーカー: インプレスR&D
- 発売日: 2018/03/30
- メディア: Kindle版
- この商品を含むブログを見る
IT系技術書に特化したライティング本です。
『はじめての技術書ライティング──IT系技術書を書く前に読む本』 | 著書一覧 | mukairyoji.com 著者のサイトに目次が書いてありますね。
初めて知った驚きの事実とかは書いてありませんが、本を書くにあたって最低限知らないと困りそうなことがまとめられています。
この本はScrivenerで書いているようです。自分もScrivenerを買ったのですが、あまり使いこなせていません。結局文章を捻り出すのは自分で頑張らないといけない＋文章を書く労力がほとんどなのでツールで解決する問題ってあまり無いなあ、と思っています。プログラミングだとツールによって大分効率が変わってきますけどね。
読書中
とりあえず機械学習に必要なデータの取得方法の設計中
時間もあるので本格的にファンダメンタルの機械学習実装の設計をしています
とりあえず何の値をどこから取るんだっけ？的な部分を整理中。
休職中なのでConfluence使えない・・使いたい・・
本を色々読む
ちょっと内容の割に高いな。と思ったので立ち読みで済ませました。
O'Reilly Japan - 入門 監視 の目次が割と細かく書かれているので、読めばおおよその内容はわかります。
機械学習スタートアップシリーズ Pythonで学ぶ強化学習 入門から実践まで (KS情報科学専門書)
- 作者: 久保隆宏
- 出版社/メーカー: 講談社
- 発売日: 2019/01/17
- メディア: 単行本（ソフトカバー）
- この商品を含むブログを見る
とても良い本だと思いました。こないだテトリスをUnity for ML-Agentsで学習させようとしたのですが、学習が収束しなかったのは50000件とサンプル数が少なかったからなのだろうなあ、ということがわかった気がします。
なかなか面白いのですが、実ゲームでは使いづらいようなのでほどほどに理解して終了。
まだ40代ではないのですが、そろそろ気になってきたので読書。
昔と違い出世する人は限られた人間なので、40-60そして定年後もどうモチベーションを維持して働いていくか、は悩ましい問題ですね。
ファンダメンタル分析を機械学習したい
ファンダメンタル分析の機械学習について
ファンダメンタル分析でどの指標が実際の株価に与える影響が強いかを知るために機械学習させたいと考えてちょっと調べました。
同様の研究(ファンダメンタルとテクニカルの組み合わせ)があって、これを見ると類似の研究は少なそう。
https://www.jstage.jst.go.jp/article/tjsai/33/1/33_A-H51/_pdf
論文の内容はテクニカル指標とファンダメンタル指標を組み合わせたら精度が上がったよ、という話なのですがファンダメンタルのみでもそれなり以上の精度が出ているように見えます。
また、興味深いのがファンダメンタル指標の重要度ランキングで、キャッシュフローが出現せず、EV(=時価総額+有利子負債-貯金)や連結総従業員数、株式発行数などが上位になっています。
連結総従業員数や従業員数が直接の利益を示す営業キャッシュフローやPERよりも上位に来ているのがなかなか面白いです。一般的に従業員数が多い方が株主価値は高いということなのでしょうね。
ただ、利益を指す指標が上位に出てきません。PER、法人税等の支払い額、EVITDA、EV/EBITDA、配当利回りなどある程度利益と相関関係のありそうな項目が多いためかもしれません。
手元で同等のものを作らないと本当のところはわからないとは思うのですが、そもそもデータを入手するのが面倒くさい……XBRLの解析とか大変だし、クローリングはいろんなサイトで禁止されているし、お金はないし。
また、この論文では分類予測と回帰予測それぞれにおけるファンダメンタル分析の重要性についても書かれています。分類予測というのは株価が上昇するか下降するかの正解率、回帰予測は株主価値(株価×発行株式数)の平均誤差率となります。株主が得る利益の予測には回帰予測の方が適切なので、回帰予測を参考にすると240日間平均ならばファンダメンタル分析の方が90%程度と重要度が高いです。
ファンダメンタルといっても株価・株式発行数・EVあたりについて株価を算出する上で重要度は高いのは当たり前なので、実際に有効なのかはイマイチわかりません。それでも、素人が直感で判断するよりはこういった機械学習を元に割安・割高が判断できた方が望ましいと思います。
とはいえ作るのがそれなりに面倒ではありますね。絶対無理というほど無理ではないので作るべきかどうか悩んでいます。AI投信とかこのくらいはやってくれればいいのに……
