【3/30の日経平均】

 終値 21,454円(先週末比+836円)

【大阪日経平均先物 30日】(かっこ内は大阪日中比)

 6月限  21,460円(+20)

【ロイター見通し概略】

 やや強気

 詳しくは
 https://jp.reuters.com/article/tokyo-stx-wklyoutlook-idJPKBN1H60G9

【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19,000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0.0%(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
  ○21,000円   0%→0%   10%→0%
   20,600円   0%→10%   20%→10%
   20,200円   10%→20%   10%→20%

 ※上下指数参考値 (暫定)
   週末×1.10 23,600円  0.0%
   週末×1.05 22,527円  0.0%
   週末÷1.05 20,433円  15.6%
   週末÷1.10 19,504円  36.3%

  #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

  北朝鮮状況の明るい兆し(なのか?!)ハイテク株の底打ちも
  あり、特に週末に向けては良い雰囲気・・・ですが、
  
  FaceBookの問題しかり、Amazonへのトランプさんの口撃しかり
  Teslaはリコールやっちまった等、アメリカ株は??。

  まあ様子見続けましょう。

  では引き続き、多変量解析→AI(人口知能)の話。

  これまでで大量のパラメータをまとめる手段や、非線形(曲線)
  関係を処理する手段についてお話してきました。

  これが実現できたことで、ビックデータや画像の処理が可能に
  なって来たと理解頂ければと思います。

  特に画像データ等は膨大です。

  テレビのフルHDだと、200万画素×3色のデータを扱わね
  ばならず(しかもこれが動画だと1秒に30枚)・・・
  これ全てがパラメータとして分析モデルに入力される事になり
  ます。(1秒で1億8千万パラメータです:笑)

  #これで動画ネコ検知(笑)や車線検知等ができるワケです。
  #実際の動画検知では、ここまで細かい画像は使わず、多少緩
  #めの画像を使いますが・・・にしてもすごい量です。

  こんなモデルを人間が処理内容を規定するなんて事は、まとも
  にやったら発狂しそうですよね。W

  ですから、画像認識、音声認識、文書認識と言った分野は大量
  パラメータを自動処理できるDeep Learningは非常に有効です。

  反面、なんでもかんでもこの様な大量パラメータに頼ってしま
  う弊害もあります。

  その弊害とは・・・

  「Deep Learningや複雑な機械学習を行うと、元のパラメータと
   最終結果の関係を、人間が理解できくなる」

  「その結果、おかしな判断があっても理由が分からなくなる」

  と言う事。

  有名な囲碁ソフト「アルファー碁」が、人間に一度負けた事が
  ありましたね。

  あの時、「アルファー碁」がミスをした理由は、作った本人達
  にも理解不可能だと言う事です。(当然そうだと思います)

  加えて、Deep Learningの場合、普通のプログラムと違って、
  同じミスをしない様にデバッグ修正する事は不可能。

  できる事は、新しいデータを追加して学習させる事だけ。

  いつ学習成果が出るかも、やってみないと分かりません。

  イメージは
  「口もきけない、表情も読み取れない動物に芸を仕込む」
  感じでしょうか?!

  また、練習ではうまく出来ても、本番ではいきなりミスを連発
  ・・・なんて事もよくあります。
  #AIが緊張するワケではなく、練習と本番のちょっとしたデ
  #ータの違いがミスを招くと言う事です。

  ですから、本番の経験を十分に積ませる必要もあります。
  #自動運転は、今まさにこの最中。まだ先は長そうですネ。

  また、現在のDeep Learning(複雑な機械学習も含む)は
  「なぜ、そんな判断をしたか」は答えてくれません。

  例えば、あなたが弁当屋の店長だとして、

  Deep Learningは単純に「明日の販売予測は30食」と言うだ
  けなのです。これを信じて素直に仕入注文だせますか?!

  出来れば、
  「明日は降水確率50%で、それだけだと50食売れるけど、
   風も強いから更に客が減りそう。総合すると30食が妥当」
  なんて言って欲しいですよね。

  #多変量解析を自動化した程度の機械学習であれば、設定係数
  #等から、この様な情報を読みる事もできます。

  パラメータ数が膨大ならば仕方がありません。
  ですが、そうでもない(数10レベル)ならば、人間の目の届
  く範囲での分析の方が、使い勝手は良いと思えます。
  (このレベルなら精度も大差ありません)

  「判断理由を説明してくれるDeep Learning」も研究されていますが
  まだまだ実現には程遠いようです。
------------------------------------------------------------
 (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

2018.03.31 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/576-63c22ede
この記事にトラックバックする(FC2ブログユーザー)