ここに書いてある大規模分析がわからない。
理解するために書いていく。
使えるリストはだいたいわかってきて
Python_基本操作1.ipynb
Python_基本操作2.ipynb
Python3_ライブラリの利用-datetime-.ipynb
ライブラリの利用-glob-.ipynb
numpy.ipynb
pandas.ipynb
これら基本コードを基に以下の応用がある。
python_analize_basic.ipynb
ここでで出てくる大規模分析が理解できてない。
そもそもyラベルの意味がよく分からない。
1つ前の足の差分という事か。
データは、BybitのBTCUSD、2021/12/1～2022/1/29までの1時間足
トレンド転換の期間と一緒。
エンベロープを使った戦略までもっていっければ。
買いしか考えない、だからy_labelがプラスになるところを探すことになる。
shape # dfの行数・列数を取得
y_labelって足x本ずらした時の変化率ってことか。
基礎集計と相関分析を分割。
相関分析が重要そう。
要らないところを削除。
大規模分析が大規模すぎるのでもう少し数を絞ってやってみよう。
ということで小規模分析。
ヒートマップで当たりを見つけてシーボンで売りか買いかどちらが強いか。ってのか？
y_label_128が異常に-0.20近くに寄っている。ここらへんでショートすれば良いってことか。
closeとma640を表示。。。
なるほどねmaに近づいてるところでショートすれば勝てるねw
雰囲気つかめているか？
データが少ないので、60分足2021年3月1日から1年分に変更
60min_Bybit_BTCUSD_2021-03-01 to 2022-03-12.pkl
今度は、
ma80_div_rateのy_label_32が一番黒い。
特に偏りはないように見える。
closeとma80のみ表示。
まあわかんないw
ただヒートマップの時点で、ほぼほぼすべての項目がマイナスであることからショートした方がいいのではないかと思う、思った。
じゃあ上昇しているところだけならヒートマップはプラスになるのか。
去年の8月1日から10月31日までを抜き取りたい。
わりと白くなったが、黒いところがまだある。
closeだけ表示してみると、8月はそんなに上がらなかったっけ。
じゃあ7月20日から10月20日まで
ん？
ん？上昇しているところを増やしたつもりだったが、そうでもないようだ。
