投資信託で最適なポートフォリオを構築する - PyPortofolioOptで投資比率決定
はじめに
複数の投資信託を組み合わせて最適なポートフォリオを構築するにはどうすれば良いのでしょう？
最小のリスクで期待運用利回りを達成する投資比率に決めたいですよね。
PyPortfolioOptを用いることで容易かつ視覚的に検討できます。
Google Colaboratoryで全コードを公開しているので、ご参考にして下さい。
↓コードはこちらです↓
colab.research.google.com
資産運用シミュレーション - pythonで計算する期待運用総額, 定期拠出額, 期待利回り, 運用期間
はじめに
積立投資のシミュレーションツールが各所にありますが、pythonでどうやって算出するのでしょう？
下記4つの変数を方程式に入れて、書き下します。
・将来の期待運用総額
・月々の拠出額
・期待運用利回り
・運用期間
また下記ツールを使うと、それぞれの値が簡便に算出可能です。
↓ツールはこちらです↓
colab.research.google.com
積立投資で売却せず最適なリバランスを目指すツール公開 - pythonで解く制約付き最小二乗問題
はじめに
積立投資している投資信託のリバランスをしたいけど、売却はしたくない。
合計購入金額はいつもと同じにしたい。そんな悩みを抱えていませんか？
ここで紹介するツールを使うと、最適な構成になる購入金額が分かります。
↓ツールはこちらです↓
colab.research.google.com
Python, Pandasデータ処理高速化・メモリ負荷削減 - サンプルコード付き
はじめに
Python, 特にPandasの重い処理をどうしたら高速化でき、メモリ負荷も減らせるのでしょう。
サンプルデータで実行速度を比較しながら見てみましょう。
また、記事中の全てのsample codeをGoogle driveで共有しているので参考にしてください。
ipynb：https://colab.research.google.com/drive/12zSrJs005v_VU8XnDbBqA7kc5Heoupl9?usp=sharing
※ 実行環境：Google Colaboratory (2021/02/22)
MMLSpark と Python の LightGBM 比較 ~変数重要度や精度、予測値の観点から~
はじめに
MMLSparkとPythonのLightGBMの学習・予測結果はどのように違うのでしょう？
分類器Classifierで同一データの学習・予測を行い、評価精度、変数重要度、予測スコアを比較します。
結論：完全一致
※ 特徴量の行・列の並びは同一
※ 幾つか設定したハイパーパラメータ等も同一
※ 実行環境：DatabricksのCommunity Edition
※ MMLSparkのversion：1.0.0-rc1
※ Python LightGBMのversion：2.3.1
また、比較に用いたsample codeをGoogle driveで共有しているので参考にしてください。
html：LightGBM_[mmlspark_vs_Python].html - Google ドライブ
ipynb：LightGBM_[mmlspark_vs_Python].ipynb - Google ドライブ
MMLSpark LightGBM の使い方 - サンプルコード付き
はじめに
MMLSparkのLightGBMはどのように使うのでしょう？
サンプルデータで教師あり学習・予測を行い、精度等や変数重要度を見てみます。
また、sample codeをGoogle driveで共有しているので参考にしてください。
html：mmlspark_lightGBM_sample_usage.html - Google ドライブ
ipynb：mmlspark_lightGBM_sample_usage.ipynb - Google ドライブ
※ 実行環境：DatabricksのCommunity Edition
※ mmlsparkのversion：1.0.0-rc1
MMLSpark を Databricks にインストール・インポートする方法
はじめに
DatabricksにMMLSparkはどのようにInstallするのでしょう？
Clusterの作成からLibraryへのInstallまで紹介します。
※ Databricksの環境は無料のCommunity Editionです。
