Pythonでfbprophetを用いて、株価予測をしてみた①

pip install pystan==2.19.1.1
pip install fbprophet

creating build\lib\prophet
creating build\lib\prophet\stan_model
Importing plotly failed. Interactive plots will not work.
INFO:pystan:COMPILING THE C++ CODE FOR MODEL anon_model_f5236004a3fd5b8429270d00efcc0cf9 NOW.
WARNING:pystan:MSVC compiler is not supported
stanfit4anon_model_f5236004a3fd5b8429270d00efcc0cf9_115203601789876019.cpp

error: command 'C:\\Program Files (x86)\\Microsoft Visual Studio\\2019\\Community\\VC\\Tools\\MSVC\\14.29.30133\\bin\\HostX86\\x64\\cl.exe' failed with exit status 2

pip uninstall pystan
pip install pystan==2.17.1.0

# DataFrameのライブラリを読み込む
import pandas as pd
import pandas_datareader as web

import numpy as np
import math

# グラフ表示関連のライブラリを読み込む
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import japanize_matplotlib
from matplotlib.dates import date2num

# 日付を扱うためのライブラリを読み込む
from datetime import datetime

# fbprophetのライブラリを読み込む
from fbprophet import Prophet

# R2を計算するためのライブラリを読み込む
from sklearn.metrics import r2_score

# RMSEを計算するためのライブラリを読み込む
from sklearn.metrics import mean_squared_error

# 日本の祝日を取得するためのライブラリを読み込む
import jpholiday

# トヨタ自動車(証券コード：7203)の株価を取得する
df = web.DataReader('7203.JP', data_source='stooq', start='2015-01-01', end='2020-12-31')

# 項目名の日本語化
columns = ['開始値', '最高値', '最安値', '終値', '出来高']

# 項目名を日本語に置き換える
df.columns = columns

# 取得した株価を日付で昇順に変換する
df = df[::-1]

# dfはindexに日付を設定している
# df_1を新規に作成し、日付を列として追加する
df_1 = pd.DataFrame()
df_1['日付'] = df.index.values

# df_1に終値を追加する
df_1['終値'] = df.filter(['終値']).values

# 列名をfbprophetで扱える列名に変換する
df_1.columns = ['ds', 'y']

# 訓練データと検証データを分割する
# 訓練データ：2015-01-05 ～ 2020-11-09
# 検証データ：2020-11-10 ～ 2020-12-30
# 分割日sdayを設定する
split_day = pd.to_datetime('2020-11-10')
end_day = pd.to_datetime('2020-12-30')

# 分割日を起点にtrueとfalseを割り当てる
# train_indexは0～1426行目までTrueで、1427～1462行目までFalseとなり、
# test_indexは0～1426行目までFalseで、1427～1462行目までTrueとなる
train_index = df_1['ds'] < split_day test_index = df_1['ds'] >= split_day

# 訓練データと検証データを作成する
x_train = df_1[train_index]
x_test = df_1[test_index]

# 予測データと検証データをグラフ表示する際に使用する日付を設定する
# 設定する日付は2020-11-10 ～ 2020-12-30となる
dates_test = df_1['ds'][test_index]

# 時系列モデルを定義する
m1 = Prophet(yearly_seasonality=True,
             weekly_seasonality=True,
             daily_seasonality=False,
             seasonality_mode='multiplicative')

# 時系列モデルを学習する
m1.fit(x_train)

# 予測データを作成する
# 予測する期間は、2020-11-10から2020-12-30の51日分
future_1 = m1.make_future_dataframe(periods=51, freq='D')

# 土曜日=5、日曜日=6をfuture_1から除外する
future_no_weekend = future_1[future_1['ds'].dt.weekday < 5]

# jpholidayで、指定した期間の祝日を取得する
holidays = jpholiday.between(split_day, end_day)

# 祝日以外の日付を保存するデータフレームを用意しておく
future_no_holidays = future_no_weekend.copy()

# 祝日以外の日付を抽出する
for i, _ in enumerate(holidays):
    future_no_holidays = future_no_holidays[future_no_weekend['ds'] != holidays[i][0]]

# 予測する
forecast = m1.predict(future_no_holidays)

# forecastから予測部分yhatのみ抽出する
# 2020-11-10から2020-12-30の期間で株取引が行われた日数は36日となる
ypred = forecast[-36:][['yhat']].values

# ytest:予測期間中の正解データを抽出する
ytest = x_test['y'].values

# R2値,RMSEを計算する
score_r2 = r2_score(ytest, ypred)
score_rmse = np.sqrt(mean_squared_error(ytest, ypred))

# R2,RMSEの計算結果を表示する
print(f'R2 score:{score_r2:.4f}')
print(f'RMSE score:{score_rmse:.4f}')

# 要素ごとのグラフを描画する
# トレンド、週周期、年周期を描画する
fig = m1.plot_components(forecast)

# 訓練データ・検証データ全体のグラフ化
fig, ax = plt.subplots(figsize=(10, 6))

# 予測結果のグラフ表示(prophetの関数)
m1.plot(forecast, ax=ax)

# タイトル設定など
ax.set_title('終値の予測')
ax.set_xlabel('日付')
ax.set_ylabel('終値')

# 時系列グラフを描画する
fig, ax = plt.subplots(figsize=(8, 4))

# グラフを描画する
ax.plot(dates_test, ytest, label='正解データ', c='k')
ax.plot(dates_test, ypred, label='予測結果', c='r')

# 日付目盛間隔を表示する
# 木曜日ごとに日付を表示する
weeks = mdates.WeekdayLocator(byweekday=mdates.TH)
ax.xaxis.set_major_locator(weeks)

# 日付表記を90度回転する
ax.tick_params(axis='x', rotation=90)

# 方眼表示、凡例、タイトルを設定する
ax.grid()
ax.legend()
ax.set_title('終値の予測')

# x座標：2020年11月19日、y座標：7800にscore_r2とscore_rmseを表示する
xdata = date2num(datetime(2020, 11, 19))
ax.text(xdata, 7800, f'socre_R2:{score_r2:.4f}\nscore_RMSE:{score_rmse:.4f}', size=15)
# ax.text(xdata, 6600, f'socre_RMSE:{score_rmse:.4f}', size=15)

# 画面出力
plt.show()

# 時系列モデルを定義する
m1 = Prophet(yearly_seasonality=True,
             weekly_seasonality=True,
             daily_seasonality=False,
             seasonality_mode='multiplicative')

# 予測データを作成する
# 予測する期間は、2020-11-10から2020-12-30の51日分
future_1 = m1.make_future_dataframe(periods=51, freq='D')

# 土曜日=5、日曜日=6をfuture_1から除外する
future_no_weekend = future_1[future_1['ds'].dt.weekday < 5]

# jpholidayで、指定した期間の祝日を取得する
holidays = jpholiday.between(split_day, end_day)

# 祝日以外の日付を保存するデータフレームを用意しておく
future_no_holidays = future_no_weekend.copy()

# 祝日以外の日付を抽出する
for i, _ in enumerate(holidays):
    future_no_holidays = future_no_holidays[future_no_weekend['ds'] != holidays[i][0]]

# forecastから予測部分yhatのみ抽出する
# 2020-11-10から2020-12-30の期間で株取引が行われた日数は36日となる
ypred = forecast[-36:][['yhat']].values

# R2値,RMSEを計算する
score_r2 = r2_score(ytest, ypred)
score_rmse = np.sqrt(mean_squared_error(ytest, ypred))

# 要素ごとのグラフを描画する
# トレンド、週周期、年周期を描画する
fig = m1.plot_components(forecast)