TimesFM 2.5(Googleの時系列予測基盤モデル。追加学習なしで予測する)をPythonで使って日経平均の終値を予測してみる。

前回は気温でやってみたが、今回は日経平均の終値でやってみる。

https://indexes.nikkei.co.jp/nkave/historical/nikkei_stock_average_monthly_jp.csv

このデータをダウンロードして以下のコードを実行。

import torch

import numpy as np

import timesfm

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'Noto Sans CJK JP'

torch.set_float32_matmul_precision("high")

model = timesfm.TimesFM_2p5_200M_torch.from_pretrained("google/timesfm-2.5-200m-pytorch")

npred = 20

df = df = pd.read_csv("nikkei_stock_average_monthly_jp.csv")

df.dropna(inplace=True)

data_date = df["データ日付"].to_numpy()

final = df["終値"].to_numpy()

t = np.arange(len(data_date))

tpred = np.arange(t[-1] + 1,t[-1] + 1 + npred)

model.compile(

    timesfm.ForecastConfig(

        max_context=1024,

        max_horizon=256,

        normalize_inputs=True,

        use_continuous_quantile_head=True,

        force_flip_invariance=True,

        infer_is_positive=True,

        fix_quantile_crossing=True,

    )

)

point_forecast, quantile_forecast = model.forecast(

    horizon=npred,

    inputs=[

        final

    ],  

)

fig = plt.figure(figsize=(10, 6))

plt.plot(t, final)

plt.plot(tpred, quantile_forecast[0, :, 0], label="予測")

plt.fill_between(tpred, quantile_forecast[0, :, 1], quantile_forecast[0, :, 9], alpha=0.2, label="10-90 パーセンタイル")

plt.legend()

plt.xlabel("2016/1/1からの月数")

plt.ylabel("終値(円)")

plt.title("日経平均の終値")

結果：

あれ？これも下がっているな。まあこっちは下がってもおかしくはないが。別の例やってみよう。