注釈

このページは tutorials/finance/11_time_series.ipynb から生成されました。

IBM Quantum lab でインタラクティブに実行します。

株式市場時系列データの読み込みと処理¶

はじめに¶

金融分野の多くの問題では、まず時系列から始まります。ここでは、疑似ランダム時系列を生成する方法、多くの一般的なプロバイダーから実際の株式市場の時系列をダウンロードする方法、そして時系列の類似度を計算する方法を紹介します。

[1]:

%matplotlib inline
from qiskit.finance import QiskitFinanceError
from qiskit.finance.data_providers import *
import warnings
warnings.filterwarnings("ignore", category=DeprecationWarning)
import datetime
import matplotlib.pyplot as plt
from pandas.plotting import register_matplotlib_converters
register_matplotlib_converters()

[2]:

data = RandomDataProvider(tickers=["TICKER1", "TICKER2"],
                 start = datetime.datetime(2016, 1, 1),
                 end = datetime.datetime(2016, 1, 30),
                 seed = 1)
data.run()

Once the data are loaded, you can run a variety of algorithms on those to aggregate the data. Notably, you can compute the covariance matrix or a variant, which would consider alternative time-series similarity measures based on dynamic time warping (DTW). In DTW, changes that vary in speed, e.g., one stock’s price following another stock’s price with a small delay, can be accommodated.

[3]:

means = data.get_mean_vector()
print("Means:")
print(means)

rho = data.get_similarity_matrix()
print("A time-series similarity measure:")
print(rho)
plt.imshow(rho)
plt.show()

cov = data.get_covariance_matrix()
print("A covariance matrix:")
print(cov)
plt.imshow(cov)
plt.show()

Means:
[33.97683271 97.61130683]
A time-series similarity measure:
[[1.00000000e+00 5.41888011e-04]
 [5.41888011e-04 1.00000000e+00]]

../../_images/tutorials_finance_11_time_series_5_1.png

A covariance matrix:
[[2.08413157 0.20842107]
 [0.20842107 1.99542187]]

../../_images/tutorials_finance_11_time_series_5_3.png

ご希望であれば、元になる疑似ランダム時系列を調べることができます。なお、プライベートクラスのメンバー（アンダースコアで始まる）は、Qiskitの将来のリリースで変更される可能性があることに注意してください。

[4]:

print("The underlying evolution of stock prices:")
for (cnt, s) in enumerate(data._tickers):
    plt.plot(data._data[cnt], label=s)
plt.legend()
plt.xticks(rotation=90)
plt.show()

for (cnt, s) in enumerate(data._tickers):
    print(s)
    print(data._data[cnt])

The underlying evolution of stock prices:

../../_images/tutorials_finance_11_time_series_7_1.png

TICKER1
[33.345584192064784, 34.167202335565946, 34.49763941174933, 33.19448218014497, 34.099838046818086, 34.5462126191821, 34.009259383821814, 34.59037748801817, 34.95494988420424, 35.24908238085977, 35.27750462217556, 35.82421760878801, 35.08776352178634, 34.92485357379329, 34.442734261113316, 35.04158047374794, 35.0813025812296, 34.78884583026451, 34.00693736790767, 33.7497451272888, 33.757887307807145, 33.48228440250777, 34.77634821690598, 35.783072532211776, 33.07191005324581, 31.182896807278134, 31.008124715222973, 30.585934303646617, 30.799577301145227]
TICKER2
[96.8774156647853, 98.99525441983634, 97.88323365714406, 97.50562865001707, 99.5484002575094, 100.19510325371124, 100.85816662608751, 100.34416025440004, 98.69608508354439, 98.86354982776713, 98.97256391558868, 97.7452118613441, 97.06198519956354, 96.98994151983632, 96.04518989677554, 95.94691992892332, 96.04240295639278, 96.07798919344826, 95.57169753513395, 96.16544560691977, 97.0566125612021, 97.37746086576867, 96.55923063837835, 97.29088292216379, 96.78944290369674, 97.66860352198472, 96.59681610510728, 97.51128330823606, 97.49121985362058]

この場合、ティッカーの数と名前、日付の範囲を調整することができます。

[5]:

data = RandomDataProvider(tickers=["CompanyA", "CompanyB", "CompanyC"],
                 start = datetime.datetime(2015, 1, 1),
                 end = datetime.datetime(2016, 1, 30),
                 seed = 1)
data.run()
for (cnt, s) in enumerate(data._tickers):
    plt.plot(data._data[cnt], label=s)
plt.legend()
plt.xticks(rotation=90)
plt.show()

../../_images/tutorials_finance_11_time_series_9_0.png

終値の時系列へのアクセス¶

リアルタイムデータへのアクセスには通常支払いが必要ですが、WikipediaとQuandlを経由して過去の(調整済みの)終値に無料でアクセスすることができます。 https://www.quandl.com/?modal=register に登録が必要です。以下のコードでは、実際のナスダック銘柄の実際のティッカーとQuandlから取得するアクセストークンを指定する必要があります; 以下のコードを実行することで、免責同意書を含むQuandlの利用規約に同意したことになります。共分散行列と時系列行列の計算には少なくとも2つのティッカーが必要ですが、数百のティッカーはQuandlの公正な使用制限を超えている可能性があることに注意してください。

[6]:

stocks = ["GOOG", "AAPL"]

token = "REPLACE-ME"
if token != "REPLACE-ME":
    try:
        wiki = WikipediaDataProvider(
                         token = token,
                         tickers = stocks,
                         start = datetime.datetime(2016,1,1),
                         end = datetime.datetime(2016,1,30))
        wiki.run()
    except QiskitFinanceError as ex:
        print(ex)
        print("Error retrieving data.")

Once the data are loaded, you can again compute the covariance matrix or its DTW variants.

[7]:

if token != "REPLACE-ME":
    if wiki._data:
        if wiki._n <= 1:
            print("Not enough wiki data to plot covariance or time-series similarity. Please use at least two tickers.")
        else:
            rho = wiki.get_similarity_matrix()
            print("A time-series similarity measure:")
            print(rho)
            plt.imshow(rho)
            plt.show()

            cov = wiki.get_covariance_matrix()
            print("A covariance matrix:")
            print(cov)
            plt.imshow(cov)
            plt.show()
    else:
        print('No wiki data loaded.')

必要であれば、以下のような方法で時系列を調べることができます。

[8]:

if token != "REPLACE-ME":
    if wiki._data:
        print("The underlying evolution of stock prices:")
        for (cnt, s) in enumerate(stocks):
            plt.plot(wiki._data[cnt], label=s)
        plt.legend()
        plt.xticks(rotation=90)
        plt.show()

        for (cnt, s) in enumerate(stocks):
            print(s)
            print(wiki._data[cnt])
    else:
        print('No wiki data loaded.')

[Optional] 最近の細かい時系列にアクセスするためのセットアップトークン¶

If you would like to download professional data, you will have to set-up a token with one of the major providers. Let us now illustrate the data with NASDAQ Data on Demand, which can supply bid and ask prices in arbitrary resolution, as well as aggregates such as daily adjusted closing prices, for NASDAQ and NYSE issues.

NASDAQ Data on Demandライセンスをお持ちでない場合は、NASDAQ (https://business.nasdaq.com/intel/GIS/Nasdaq-Data-on-Demand.html)に連絡して、トライアルライセンスまたは有料ライセンスを取得できます。

If and when you have access to NASDAQ Data on Demand using your own token, you should replace REPLACE-ME below with the token. To assure the security of the connection, you should also have your own means of validating NASDAQ’s certificates. The DataOnDemandProvider constructor has an optional argument verify, which can be None or a string or a boolean. If it is None, certify certificates will be used (default). If verify is a string, it should be pointing to a certificate for the HTTPS connection to NASDAQ (dataondemand.nasdaq.com), either in the form of a CA_BUNDLE file or a directory wherein to look.

[9]:

token = "REPLACE-ME"
if token != "REPLACE-ME":
    try:
        nasdaq = DataOnDemandProvider(token = token,
                     tickers = ["GOOG", "AAPL"],
                     start = datetime.datetime(2016,1,1),
                     end = datetime.datetime(2016,1,2))
        nasdaq.run()
        for (cnt, s) in enumerate(nasdaq._tickers):
            plt.plot(nasdaq._data[cnt], label=s)
        plt.legend()
        plt.xticks(rotation=90)
        plt.show()
    except QiskitFinanceError as ex:
        print(ex)
        print("Error retrieving data.")

もう 1 つの主要な株式市場データのベンダーは、 Exchange Data International (EDI)であり、その API を利用して、アフリカ、アジア、極東、ラテンアメリカ、中東など 100 を超える新興市場とフロンティア市場をはじめ、確率されたマーケットを照会することができます。カバレッジの概要については、 https://www.exchange-data.com/pricing-data/adjusted-prices.php#exchangeを参照してください。

このアクセスには、 REPLACE-ME を置き換えるための有効なアクセス・トークンが再度必要です。このトークンは、試用版または有料で https://www.quandl.com/ から取得できます。

[10]:

token = "REPLACE-ME"
if token != "REPLACE-ME":
    try:
        lse = ExchangeDataProvider(token = token,
                     tickers = ["AEO", "ABBY", "ADIG", "ABF",
                                "AEP", "AAL", "AGK", "AFN", "AAS", "AEFS"],
                     stockmarket = StockMarket.LONDON,
                     start=datetime.datetime(2018, 1, 1),
                     end=datetime.datetime(2018, 12, 31))
        lse.run()
        for (cnt, s) in enumerate(lse._tickers):
            plt.plot(lse._data[cnt], label=s)
        plt.legend()
        plt.xticks(rotation=90)
        plt.show()
    except QiskitFinanceError as ex:
        print(ex)
        print("Error retrieving data.")

Yahoo! ファイナンスからYahooファイナンスデータに、トークン無しで、アクセスすることもできます。

[11]:

try:
    data = YahooDataProvider(
                 tickers = ["AEO", "ABBY", "AEP", "AAL", "AFN"],
                 start=datetime.datetime(2018, 1, 1),
                 end=datetime.datetime(2018, 12, 31))
    data.run()
    for (cnt, s) in enumerate(data._tickers):
        plt.plot(data._data[cnt], label=s)
    plt.legend()
    plt.xticks(rotation=90)
    plt.show()
except QiskitFinanceError as ex:
    data = None
    print(ex)

../../_images/tutorials_finance_11_time_series_22_0.png

データの実際の使用については、portfolio_optimizationまたは portfolio_diversification ノートブックを参照してください。

[12]:

import qiskit.tools.jupyter
%qiskit_version_table
%qiskit_copyright

Version Information

Qiskit Software	Version
Qiskit	None
Terra	0.15.1
Aer	0.6.1
Ignis	0.4.0
Aqua	0.7.5
IBM Q Provider	0.8.0
System information
Python	3.7.4 (default, Aug 13 2019, 15:17:50) [Clang 4.0.1 (tags/RELEASE_401/final)]
OS	Darwin
CPUs	2
Memory (Gb)	12.0
Wed Aug 12 13:20:52 2020 EDT

This code is a part of Qiskit

This code is licensed under the Apache License, Version 2.0. You may
obtain a copy of this license in the LICENSE.txt file in the root directory
of this source tree or at http://www.apache.org/licenses/LICENSE-2.0.

Any modifications or derivative works of this code must retain this
copyright notice, and modified files need to carry a notice indicating
that they have been altered from the originals.

[ ]: