stockedge

nikkei225 <- read.csv(file="H:\\NIKKEI.csv", encoding="UTF-8", header=F, sep=",")
names(nikkei225) <- c("date", "open", "high", "low", "close")

nikkei225$next_close <- c(nikkei225[-1,]$close, NA)

#以下の二行を追加した
nikkei225$next_open  <- c(nikkei225[-1,]$open, NA)

nikkei225$diff <- nikkei225$next_open - nikkei225$next_close

stockedge

pred <- predict(rf.model, test)
#RのrandomForestはtypeに"prob"を指定することで事後確率の推定値が出力できる
prob <- predict(rf.model, test, type="prob")
#事後確率が90%を超えた予測だけを見てみる
idx <- which(prob[,1] >= 0.9 | prob[,2] >= 0.9)
tbl <- table(pred[idx], test$r_next_close[idx])
print(sum(diag(tbl))/sum(tbl))

stockedge

#日経平均株価のデータを読み込む
#使用したのは1991年1月4日から2014年5月16日までのデータ（たまたまHD内にすぐ使える状態で置いてあったためこれを使う）
nikkei225 <- read.csv(file="H:\\NIKKEI.csv", encoding="UTF-8", header=F, sep=",")
names(nikkei225) <- c("date", "open", "high", "low", "close")

#翌日の終値をcolumnに追加する
nikkei225$next_close <- c(nikkei225[-1,]$close, NA)
nikkei225 <- na.omit(nikkei225)

#四本値および翌日の終値を初値で割っておく。rはrelativeの略

stockedge

bh.ret <- 
c(
1.329177,
1.089930,
0.859383,
0.931325,
1.030709,
0.979333,
0.841614,
0.678240,

stockedge

function OLPS_cli(dataset) 

cd Strategy;

opts.quiet_mode = 0; opts.display_interval = 245;
opts.log_mode = 1; opts.mat_mode = 1;
opts.analyze_mode = 0; opts.progress = 0;
opts.his = 0;

if (nargin<1)

stockedge

1301
1332
1377
1518
1801
1802
1803
1812
1815
1820

stockedge

library(randomForest)
library(RSQLite)
 
random.rows <- function(df, n) {
  df[sample(nrow(df),n),]
}
 
fix.cb <- function(df) {
  c1 <- df[df$finishing_position == "TRUE",]
  c2 <- df[df$finishing_position == "FALSE",]

stockedge

function OLPS_cli(dataset) 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% This file is part of OLPS: http://OLPS.stevenhoi.org/
% Original authors: Bin LI, Doyen Sahoo, Steven C.H. Hoi
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

cd Strategy;

opts.quiet_mode = 0; opts.display_interval = 245;
opts.log_mode = 1; opts.mat_mode = 1;

stockedge

#https://github.com/Marigold/universal-portfolios/blob/master/universal/algos/anticor.py
#ここから一部引用

#時刻0からn-1までの全期間のポートフォリオの状態が計算される
def weights(self, X):
    #期待値やラグ付き相関の計算で使うウィンドウのサイズ
    window = self.window
    #全銘柄の株価時系列データ（ただし前日比の相対価格データ）
    port = X
    #nは時系列の長さ。mは銘柄の数。

stockedge

sp500 <- tail(sp500ret,n=500)$SP500RET
sigma <- df.eg[, 'Sigma', drop = FALSE]$Sigma
#トレーニング期間の分散を定数cに設定する
const <- sd(head(sp500ret,n=5000)$SP500RET)^2
leverage <- const / sigma^2
#buy&holdのリターン
prod(1 + sp500)
#OVSのリターン
prod(1 + sp500*leverage)