投資 | メサイア・ワークス

RSIとMDCDとボリンジャーバンドの全てで売買シグナルが出た時だけビットコインを自動売買するシュミレーションだと、過去2年半で2.5倍になったけど、ガチホでも2倍になってるから上げ相場だっただけ？初期資金15万円からの、ガチホで30万。自動売買で38万。

2024年6月14日に admin が投稿

RSIとMDCDとボリンジャーバンドの全てで売買シグナルが出た時だけビットコインを自動売買するシュミレーションだと、過去2年半で2.5倍になったけど、ガチホでも2倍になってるから上げ相場だっただけ？初期資金15万円からの続きを読む RSIとMDCDとボリンジャーバンドの全てで売買シグナルが出た時だけビットコインを自動売買するシュミレーションだと、過去2年半で2.5倍になったけど、ガチホでも2倍になってるから上げ相場だっただけ？初期資金15万円からの、ガチホで30万。自動売買で38万。→

facebookのmeta謹製の時系列データ用機械学習モデルprophet(預言者)を使って、appleの株価を予想してみる。

2024年6月11日に admin が投稿

facebookのmeta謹製の時系列データ用機械学習モデルprophet(預言者)を使って、appleの株価を予想してみる。必要なパッケージをインストール [crayon-68c9bd12f31c0373614325 続きを読む facebookのmeta謹製の時系列データ用機械学習モデルprophet(預言者)を使って、appleの株価を予想してみる。→

bitflyerでビットコインの自動売買をしてみた。適当に買って(成行)、同じ値段で売る(指値)。今どきは1100万円を超えているから、0.01BTCでも11万円以上必要なので、だいぶ気楽さが無くなってきたな・・・。

2024年6月7日に admin が投稿

bitflyerでビットコインの自動売買をしてみた。適当に買って(成行)、同じ値段で売る(指値)。今どきは1100万円を超えているから、0.01BTCでも11万円以上必要なので、だいぶ気楽さが無くなってきたな・・・。上続きを読む bitflyerでビットコインの自動売買をしてみた。適当に買って(成行)、同じ値段で売る(指値)。今どきは1100万円を超えているから、0.01BTCでも11万円以上必要なので、だいぶ気楽さが無くなってきたな・・・。→

シャープ・レシオについて

2024年4月12日に admin が投稿

シャープ・レシオについてシャープ・レシオって、リスク・リターン比って事か。元本保証のリターンと比較して、リスク(標準偏差)の割に、リターンが高い投資先を比較するための指標。丁半博打だと、リターンが２倍でも、標準偏差続きを読むシャープ・レシオについて→

日経225の全銘柄で、配当日の一ヶ月前に買って、直前に売ったら儲かるか、過去5年分で検証してみた。

2024年4月1日に admin が投稿

日経225の全銘柄で、配当日の一ヶ月前に買って、直前に売ったら儲かるか、過去5年分で検証してみた。

import yfinance as yf
import pandas as pd
import sqlite3
import matplotlib.pyplot as plt
import time

# データベースファイルのパス
db_path = 'profit_loss.db'

# 日経225銘柄リスト
ticker_symbols = ['7272','2914','4452','4911','6326','3659','4704','5108','1605','2502','3405','3436','4631','8804','2503','4004','4324','4519','5101','5201','5301','6302','6361','6723','7751','2501','4578','5214','9147','1928','6506','8233','9602','3086','3382','8267','7741','8697','4689','6861','8795','8411','9064','4568','5831','7832','2768','3099','6301','6758','6902','7733','8035','9104','3401','4005','4523','4902','5406','5801','6501','6594','8031','8253','9101','9434','9613','9984','4061','4503','4507','5019','6103','6178','6473','6701','6762','7004','7186','7270','8316','9020','9433','4042','5401','5711','5713','6471','6645','6770','6857','6988','7013','7211','7267','7269','8001','8002','8015','8053','8058','8304','8630','8766','9001','9022','9107','9432','9532','9843','2432','4043','5333','6702','7735','7752','7974','8309','8591','8725','9021','9201','2802','2871','3402','3407','4183','4188','4506','5332','5411','5541','5631','6098','6305','6504','6752','6841','6971','7205','8252','8306','8308','8750','9735','1332','1801','2002','2282','3289','4021','4502','4543','5020','5232','5802','6113','6472','6724','6753','7012','7202','7261','8331','8604','9202','1721','1802','1803','1808','1812','1925','1963','2269','2413','2531','2801','3861','3863','4041','4208','4661','5706','5714','6273','6367','6479','6503','6674','6952','6981','7011','7731','7762','7911','7912','8354','8601','8801','8802','9005','9007','9008','9009','9301','9501','9502','9503','9531','9766','4063','4901','5233','6954','6976','7201','7203','7951','8830','5803','4385','6920','9983','4751','4151']

# SQLiteデータベースに接続
conn = sqlite3.connect(db_path)

# 各銘柄について損益を計算
for ticker_symbol in ticker_symbols:
    ticker = yf.Ticker(ticker_symbol + '.T')
    
    # 過去5年間の配当データと株価データを取得
    dividends = ticker.dividends.last('5YE')
    
    for ex_date in dividends.index:
        buy_date = ex_date - pd.Timedelta(days=30)
        sell_date = ex_date - pd.Timedelta(days=1)
        
        # 株価データを取得
        hist = ticker.history(start=buy_date, end=sell_date)
        time.sleep(1) 

        # 購入日と売却日の株価を取得
        if not hist.empty and len(hist) > 1:
            buy_price = hist.iloc[0]['Close']
            sell_price = hist.iloc[-1]['Close']
            profit = (sell_price - buy_price) / buy_price * 100  # 損益率(%)
            
            # 損益率と配当支払日をデータベースに保存
            pd.DataFrame({
                'Ticker': [ticker_symbol],
                'AvgProfit': [profit],
                'Date': [ex_date.strftime('%Y-%m-%d')]  # 日付を文字列形式で保存
            }).to_sql('profit_loss', conn, if_exists='append', index=False)

# データベース接続を閉じる
conn.close()

# データベースから損益データを読み込むための関数
def load_data(db_path):
    conn = sqlite3.connect(db_path)
    df = pd.read_sql('SELECT * FROM profit_loss', conn)
    conn.close()
    df['Year'] = pd.to_datetime(df['Date']).dt.year
    return df

# データベースから損益データを読み込む
profit_loss_df = load_data(db_path)

# 銘柄ごとにプロット
plt.figure(figsize=(12, 8))

for ticker in profit_loss_df['Ticker'].unique():
    data = profit_loss_df[profit_loss_df['Ticker'] == ticker]
    years = data['Year'].unique()
    
    profits_by_year = data.groupby('Year')['AvgProfit'].mean().reindex(years).fillna(0)
    
    # 年ごとの損益を折れ線グラフでプロット
    plt.plot(profits_by_year.index, profits_by_year.values, '-o', label=f'{ticker} Yearly')

plt.xlabel('Year / Ticker Symbol')
plt.ylabel('Profit (%)')
plt.title('Yearly Profit/Loss for Each Ticker Over 5 Years')
plt.xticks(rotation=45)  # X軸のラベルを45度回転
plt.legend()
plt.tight_layout()
plt.show()

import yfinance as yf

import pandas as pd

import sqlite3

import matplotlib.pyplot as plt

import time

# データベースファイルのパス

db_path = 'profit_loss.db'

# 日経225銘柄リスト

ticker_symbols = ['7272','2914','4452','4911','6326','3659','4704','5108','1605','2502','3405','3436','4631','8804','2503','4004','4324','4519','5101','5201','5301','6302','6361','6723','7751','2501','4578','5214','9147','1928','6506','8233','9602','3086','3382','8267','7741','8697','4689','6861','8795','8411','9064','4568','5831','7832','2768','3099','6301','6758','6902','7733','8035','9104','3401','4005','4523','4902','5406','5801','6501','6594','8031','8253','9101','9434','9613','9984','4061','4503','4507','5019','6103','6178','6473','6701','6762','7004','7186','7270','8316','9020','9433','4042','5401','5711','5713','6471','6645','6770','6857','6988','7013','7211','7267','7269','8001','8002','8015','8053','8058','8304','8630','8766','9001','9022','9107','9432','9532','9843','2432','4043','5333','6702','7735','7752','7974','8309','8591','8725','9021','9201','2802','2871','3402','3407','4183','4188','4506','5332','5411','5541','5631','6098','6305','6504','6752','6841','6971','7205','8252','8306','8308','8750','9735','1332','1801','2002','2282','3289','4021','4502','4543','5020','5232','5802','6113','6472','6724','6753','7012','7202','7261','8331','8604','9202','1721','1802','1803','1808','1812','1925','1963','2269','2413','2531','2801','3861','3863','4041','4208','4661','5706','5714','6273','6367','6479','6503','6674','6952','6981','7011','7731','7762','7911','7912','8354','8601','8801','8802','9005','9007','9008','9009','9301','9501','9502','9503','9531','9766','4063','4901','5233','6954','6976','7201','7203','7951','8830','5803','4385','6920','9983','4751','4151']

# SQLiteデータベースに接続

conn = sqlite3.connect(db_path)

# 各銘柄について損益を計算

for ticker_symbol in ticker_symbols:

ticker = yf.Ticker(ticker_symbol + '.T')

# 過去5年間の配当データと株価データを取得

dividends = ticker.dividends.last('5YE')

for ex_date in dividends.index:

buy_date = ex_date - pd.Timedelta(days=30)

sell_date = ex_date - pd.Timedelta(days=1)

# 株価データを取得

hist = ticker.history(start=buy_date, end=sell_date)

time.sleep(1)

# 購入日と売却日の株価を取得

if not hist.empty and len(hist) > 1:

buy_price = hist.iloc[0]['Close']

sell_price = hist.iloc[-1]['Close']

profit = (sell_price - buy_price) / buy_price * 100 # 損益率(%)

# 損益率と配当支払日をデータベースに保存

pd.DataFrame({

'Ticker': [ticker_symbol],

'AvgProfit': [profit],

'Date': [ex_date.strftime('%Y-%m-%d')] # 日付を文字列形式で保存

}).to_sql('profit_loss', conn, if_exists='append', index=False)

# データベース接続を閉じる

conn.close()

# データベースから損益データを読み込むための関数

def load_data(db_path):

conn = sqlite3.connect(db_path)

df = pd.read_sql('SELECT * FROM profit_loss', conn)

conn.close()

df['Year'] = pd.to_datetime(df['Date']).dt.year

return df

# データベースから損益データを読み込む

profit_loss_df = load_data(db_path)

# 銘柄ごとにプロット

plt.figure(figsize=(12, 8))

for ticker in profit_loss_df['Ticker'].unique():

data = profit_loss_df[profit_loss_df['Ticker'] == ticker]

years = data['Year'].unique()

profits_by_year = data.groupby('Year')['AvgProfit'].mean().reindex(years).fillna(0)

# 年ごとの損益を折れ線グラフでプロット

plt.plot(profits_by_year.index, profits_by_year.values, '-o', label=f'{ticker} Yearly')

plt.xlabel('Year / Ticker Symbol')

plt.ylabel('Profit (%)')

plt.title('Yearly Profit/Loss for Each Ticker Over 5 Years')

plt.xticks(rotation=45) # X軸のラベルを45度回転

plt.legend()

plt.tight_layout()

plt.show()

過去5年で、日経２２５の全銘柄を配当日の一ヶ月前に買っ続きを読む日経225の全銘柄で、配当日の一ヶ月前に買って、直前に売ったら儲かるか、過去5年分で検証してみた。→