PredictionBTCPriceWithDecisionTree.py

PredictionBTCPriceWithDecisionTree.py

# -*- coding: utf-8 -*-
import poloniex
import time
import datetime
from sklearn import tree


def main():
    # --トレーニング用パラメータ
    theNumberOfTrainData=29   #トレーニングデータ数
    theNumberOfTrainAndKyoushiSet=30  #トレーニングデータと教師データのセット数
    studyTrialTimes = 200 #予測のトライアル数(予測結果がばらつくので1回の予測結果を出すために実施する試行回数(取りあえずこのままにしておいてください。)


    print('-----------------------------------------')
    print('BTC価格データダウンロード')
    print('-----------------------------------------')
    dateBTC, dataBTC = getDataPoloniex()
    dateBTC.reverse()
    dataBTC.reverse()
    todayStr = str(datetime.datetime.today())[0:10]
    print('今日は' + todayStr + 'です。PoloniexからBTC価格データをダウンロードします。')
    print('取得データファイル中にある最新の日付は' + str(dateBTC[0])[0:10] + 'でその時のBTCオープン価格は$' + str(dataBTC[0]) + 'です。')

    data = changeData(dataBTC)

    print('-----------------------------------------')
    print('明日のBTC価格予想')
    print('-----------------------------------------')
    print(str(dateBTC[0])[0:10] + 'までのBTCオープン価格データから' + str(dateBTC[0] + datetime.timedelta(days=1))[0:10] + 'のBTCオープン価格を予測します。')
    print('・トレーニングデータ数: ' + str(theNumberOfTrainData))
    print('・トレーニングデータと教師データのセット数: ' + str(theNumberOfTrainAndKyoushiSet))

    upOrDownRatio=predictionTommorowBTC(data, theNumberOfTrainData, theNumberOfTrainAndKyoushiSet, studyTrialTimes)

    if upOrDownRatio > 0.5:
        print('\n明日のBTC価格は'+ str(round(upOrDownRatio*100,1)) +'%の確率で上昇します。')
    else:
        print('\n明日のBTC価格は' + str(round((1-upOrDownRatio) * 100,1)) + '%の確率で下落します。')

def getDataPoloniex():
    polo = poloniex.Poloniex()
    polo.timeout = 2
    chartUSDT_BTC = polo.returnChartData('USDT_BTC', period=polo.DAY, start=time.time() - polo.DAY * 500, end=time.time())
    tmpDate = [chartUSDT_BTC[i]['date'] for i in range(len(chartUSDT_BTC))]
    date = [datetime.datetime.fromtimestamp(tmpDate[i]).date() for i in range(len(tmpDate))]
    data = [float(chartUSDT_BTC[i]['open']) for i in range(len(chartUSDT_BTC))]
    return date ,data

def changeData(data):
    newData=[]
    for i in range(0, len(data) - 1):
        newData.append(float(data[i] - data[i + 1]) / data[i + 1])
    newData.append(0)
    return newData

def preparationTrainAndKyoushiSets(data,trainStartDay,theNumberOfTrainData,theNumberOfTrainAndKyoushiSet):
    train_X = []
    train_y = []
    for i in range(0,theNumberOfTrainAndKyoushiSet):
        train_X.append(data[trainStartDay+1+i:trainStartDay+theNumberOfTrainData+1+i])
        train_y.append([int(0 < data[trainStartDay+i])])
    return train_X, train_y

def predictionTommorowBTC(data,theNumberOfTrainData,theNumberOfTrainAndKyoushiSet, studyTrialTimes):
    trainStartDay=0
    train_X, train_y = preparationTrainAndKyoushiSets(data,trainStartDay,theNumberOfTrainData,theNumberOfTrainAndKyoushiSet)
    X=data[trainStartDay:trainStartDay+theNumberOfTrainData]
    y_PredictionTommorow=[]
    for i in range(0, studyTrialTimes):
        clf = tree.DecisionTreeClassifier()
        clf.fit(train_X, train_y)
        y_PredictionTommorow.append(clf.predict([X])[0])
    upOrDownRatio = sum(y_PredictionTommorow) * 1.0 / len(y_PredictionTommorow)
    return upOrDownRatio

if __name__ == "__main__":
    main()