【3/9の日経平均】

 終値 21,469円(先週末比+288円)

【シカゴ日経平均先物 9日】(かっこ内は大阪日中比)

 円建て6月限 21,695円(+345)

【ロイター見通し概略】

 中立

 詳しくは
 https://jp.reuters.com/article/tokyo-stx-wklyoutlook-idJPKCN1GL0OA

【勝手な個人見解!】
 ----------------------------------------------------------
 ※あくまで個人見解です。結果について、責任負えません。
 ----------------------------------------------------------
 2019年3月末に向けての225価値想定19,500円
 ※価値想定は予想ではありません。
  市場マインドがニュートラルの場合の株価とお考え下さい。

 買い建て指数3.5%(暫定版)おおむね現金確保

 ※リバランスポイント参考値(暫定版)
   基準株価   下落時    上昇時
  ○21,600円   0%→0%   10%→0%
   21,200円   0%→10%   20%→10%
   20,800円   10%→20%   10%→20%

 ※上下指数参考値 (暫定)
   週末×1.10 23,616円  0.0%
   週末×1.05 22,543円  0.0%
   週末÷1.05 20,447円  28.7%
   週末÷1.10 19,517円  45.9%

  #リバランスポイント、上下指数については
  # http://gookabu.blog48.fc2.com/blog-entry-107.html
  #をご参照下さい

〇個人見解の補足

  週末の米朝首脳会談の設定ニュースには驚きましたね。

  これがおそらく切っ掛けで、あわせて
  「全米の雇用統計でインフレや急激な利上げをめぐる懸念が和
   らいだ」
  との事で、アメリカ株は大幅高。

  夜間の日経平均先物も6月物で21,695円。
  これは配当後ですから実質は21,900円程度。

  来週次第ですが、私はまた傍観モードになりそうです。w

  では引き続き、多変量解析→AI(人口知能)の話。

  前回(前々週)は簡単に言うと

  「多変量解析はパラメータを多くするとロクな事にならない」

  と言う事でした。

  ところが、これを無視してモデルを作って使ってしまっている
  方も大勢いらっしゃいます。

  #統計の基本は学ばずに、多変量解析だけを表面的に覚えた様
  #な方々に多い気がします。
  #・・・こんなモデルで投資するなんて・・・怖い怖い!

  理想は、使うパラメータを一つ一つ「本当に役立つか」を検証
  しながら絞り込んでゆく・・・ですが・・・

  それでも「絞り込めない」場合に

  「パラメータの主成分分析(直交座標変換)を行って、その結
   果を使って多変量解析を行う」

  なんて手法があります。そして最近はこちらが主流。

  #特に最近のビッグデータ系の処理では、パラメータ確認その
  #物が数が多すぎて人間に出来ない領域ですので・・・。

  そしてここからはEXCELでの処理は止めておいた方が無難。w

  RかPythonを覚えた方が早いです。
  #両方とも世界的に有名なフリーソフト。

  ここで簡単に主成分分析とは何ぞや・・・さわりだけ。

  簡単に言うと、色々あるパラメータの共通する部分をまとめて
  パラメータ数を減らし、相関関係を取り去る手段です。

  #本来は別の意味もありますが、省略します。

  例えば、あるクラスの数学、理科、国語、英語、成績データが
  あったとします。これを使って

  成績の良さ = A x 数学 + B x 理科 + C x 国語 + D x 英語
  理系の度合 = E x 数学 + F x 理科 - G x 国語 - H x 英語

  みたいなモデルを使います。

  2番目の式の国語と英語の前がマイナスになっているのがポイ
  ントです。(これを反転させると「文系の度合」ですね。)

  これで例えば、

  ○○大学工学部の合格可能性
       = I x 成績の良さ + J x 理系の度合い

  みたいな使い方をします。

  これで4つのパラメータが2つに減らせて、残ったパラメータ
  同士の関係部分相関を消す事ができるのです。

  #実際のデータ分析では1万個のパラメータを100個程度に
  #まとめる・・・なんてレベルもあります。

  特に医薬品開発の分野では、この手法の発展形であるPLS回帰
  (偏最小二乗回帰)が良く使われますし、判別分析系でも主成
  分サポートベクターマシン等が使われています。
  #サポートベクターマシンをあえて訳すと「境界線判別?」

  DeepLarningもデータ初段のデータ処理は、実質この主成分分析
  を行っているとの事。(東大の有名な某教授談)

  この様に、人間が細かく意識しなくてもデータ処理出来るよう
  に技術が進んでいます。

  さて、次回が多変量解析部分の最後。
  線形/非線形と言う話題に触れておきます。(マニアックw)
------------------------------------------------------------
 (宜しければ下記も参考にしてください)
  ○アクティブリバランス投資法とは?!
   http://gookabu.blog48.fc2.com/blog-entry-86.html
  ○アクティブリバランス投資法、実行マニュアル
   http://ynavi.info/mag/act2.html
  ○主なバックナンバー
   http://gookabu.blog48.fc2.com/blog-entry-153.html
  ○アクティブリバランス詳細解説リンク集
   http://gookabu.blog48.fc2.com/blog-entry-53.html
------------------------------------------------------------

お役に立ちましたらポチっとお願いします。
人気ブログランキングへ

2018.03.10 Sat l 週間想定 l コメント (0) トラックバック (0) l top

コメント

コメントの投稿












トラックバック

トラックバック URL
http://gookabu.blog48.fc2.com/tb.php/573-2053a07a
この記事にトラックバックする(FC2ブログユーザー)