hiroshima

なぜかPythonが書けて統計学とマシンラーニングを少しかじっているなんちゃってIT人材

hiroshima

なぜかPythonが書けて統計学とマシンラーニングを少しかじっているなんちゃってIT人材

北海道内のCOVID-19発生以降の新規感染者数と札幌市の最高気温の推移

北海道でのCOVID-19新規感染者数増加傾向が目立つ。 換気がしづらくなるということが一つ要因になっているということなので、感染者数と気温の推移をグラフにしてみた。 今回もpython+plotlyを使ってグラフを描画してみたので、もし興味がある人は自分でもやってみてください。 import pandas as pdimport numpy as npimport pprintimport datetimefrom bs4 import BeautifulSoupim

hiroshima

    • 日本株のヒストリカルデータをどのように入手するかという話

      日本株のデータソースは非常に少ない pythonのデータ分析ライブラリ、pandasは非常に便利で、特にファイナンスデータを扱うのに適していると言われる。 コマンドに $ pip install pandas-datareader と打ち込み、あとは import pandas_datareader as pdr pdr.DataReader('GOOG', 'yahoo') とコードを書けば、yahoo financeからgoogle株の株価をできる。 (※

      hiroshima

      • 外食するなら感染防止徹底宣言ステッカーを取得している店がいい②

        今回は前回記事(金融と関係ない)の続き。 内容的には正直薄いので覚悟してほしい。 HotpepperグルメAPI前回はTwitter APIを利用して、「感染防止徹底宣言ステッカー」を取得している店を探す試みを行った。 しかしこうした試みはやはり飲食店検索比較サービスのトップシェアを走る「食べログ」で行うべきである。 ということで食べログAPIを調べてみたところ、ずいぶん前に提供が終了しているようだった。 ならばということでシェア2位のHotpepperでやってみようという

        hiroshima

        • 外食するなら感染防止徹底宣言ステッカーを取得している店がいい①

          東京都ではCOVID-19の新規感染者数が連日200人を越えてきており、経済活動再開後も「3密」を回避することが推奨されている。 そんな中であまり積極的に外食をする気にはならないものの、土日のランチ位は外で美味しいものでも食べたいという思いは共感できるのではなかろうか。 東京都ではCOVID-19の対策をしっかりとっている事業者に、安心して顧客に来店してもらえるよう「感染防止徹底宣言ステッカー」の取り組みを行っている。 感染防止徹底宣言ステッカー 新型コロナウイルス感染

          hiroshima

        北海道内のCOVID-19発生以降の新規感染者数と札幌市の最高気温の推移

        hiroshima

        • 日本株のヒストリカルデータをどのように入手するかという話

          hiroshima

        • 外食するなら感染防止徹底宣言ステッカーを取得している店がいい②

          hiroshima

        • 外食するなら感染防止徹底宣言ステッカーを取得している店がいい①

          hiroshima

          J-REITのキャピタルリターン、インカムリターン、リスクをPlotlyの3Dバブルチャートで比較

          noteはhtmlもiframeも埋め込みできないんですね... 残念。仕方ないのでリンクから飛んで確かめてみてください... このコードは、http://www.japan-reit.com からスクレイピングして取得したデータと株価を元に、J-REIT全銘柄のキャピタルリターン、インカムリターン、リスク(ボラティリティ・標準偏差)を比較できるインタラクティブな3Dバブルチャートを作成します。 完成したものは以下のリンクから見られます。 import pandas a

          hiroshima

          J-REITのキャピタルリターン、インカムリターン、リスクをPlotlyの3Dバブルチャートで比較

          hiroshima

          Facebookが開発した時系列データ分析ツール「Prophet」を使って東京都新規感染者数の予測をしてみよう

          データ分析の醍醐味でもあり目的ともいうべき「予測」にトライする 先に言っておくと、個人的には今回のやり方での予測はあまりあてにできないと思っている。というのも、データ分析のアプローチ方法はいくつもあるのだが、こと「時系列データ」の分析に関しては、どちらかというと「Machine Learningアプローチ」よりもトラディショナルな「統計学アプローチ」の方が精度が高いのではないかという説が、最近気になっている。 おそらくMachine Learningの本業はClassific

          hiroshima

          Facebookが開発した時系列データ分析ツール「Prophet」を使って東京都新規感染者数の予測をしてみよう

          hiroshima

          COVID-19の感染拡大が止まらない

          世界の新規感染者数の7日移動平均グラフをPlotlyにあげようと思ったら、ファイルサイズがいっぱいで怒られてしまった。 そのくらい全世界で感染が広がっているし、日数が長引いている。 やむなくmatplotlibで描画したらlegend(凡例)が長すぎて上図のような不格好な感じになってしまった。 恐ろしいのは、これが累計患者数のグラフではなく新規感染者数のグラフであるということだ。新しく感染した人が、昨日よりも今日、今日よりも明日の方が多い状況が続いている。 世間では「感染

          hiroshima

          COVID-19の感染拡大が止まらない

          hiroshima

          コロナショック後の東証REIT指数と各銘柄の相関[Systematic risk-非市場リスク-]

          今日は、東証REIT指数とそれを構成している主な銘柄が、コロナショック後どのように相関しているかを調べる。 構成している銘柄が東証REIT指数にある程度相関するのは当たり前なのだが、一部で銘柄固有の動きをすることもあるわけで、それがどのような銘柄に起こっているのかを検証する。 時期をコロナショック後に限定しているのは、コロナヴァイラスがREIT市場にクラッシュを起こしそれまでの「US国債10年利回りとの相関」が崩壊し、Equityとして動くようになったからだ。 大変面倒で申

          hiroshima

          コロナショック後の東証REIT指数と各銘柄の相関[Systematic risk-非市場リスク-]

          hiroshima