何もわからない

よくわからん

【朝夜が】2023/10 月次投資記事【寒い】

株式投資 月次投資記事

はじめに

この前まで暑かったのに、一気に気温が下がり冬の足音を感じつつあります。

クリーニングに足していた冬物を取りに行き、畳をカーペットに変えるなど冬支度を始めました。

今月の所感

今月は全体的に下がり、先月まで上がり一辺倒であった資産も10%ほど落ちてしまいました。 今後は、しばらく下がりの相場が続きそうな雰囲気がありますが、配当積み立てという考え方で変わることなく、地道に銘柄を集めていきたいと考えております。

今月の投資状況

金融資産合計

10月は10%ほどの下がりとなりました。私は配当金目的なのでこっちが下がらなければ、ただの買いチャンスなのでもう少し下がってほしいと思っています。

配当金

各月の配当額

今月の配当支払いは無しです。 今年前半の仕込みにより、来月から毎月配当が入ってくるようになります。

累計配当額

先月と変わらずです。

今月購入した銘柄

なし

今月の気になったニュース

普段読んでる記事の中から気になった記事を張ります。

【サンマとシャインマスカットが】2023/9 月次投資記事【安い】

株式投資 月次投資記事

はじめに

気がつけばひと月が経ち、9月も終わってしまいました。

エアコンをつける頻度が減ったり、サンマを食べたりすることで秋を感じ始めた今日この頃です。

今月の所感

今月は緩やかに伸び、終盤に落ちるような相場でした。 天井に頭を打つというよりかは、まだまだ伸びを期待しております。

今月の投資状況

金融資産合計

9月は少し上がりました。今月は月末の伸びがよくなく、先月の半分くらいしか上がりませんでした。

配当金

各月の配当額

今月は以下の銘柄の配当がありました。配当収入の源泉となった、保有株の会社の経営者の方々の賢明な経営、社員の方々の頑張り、顧客・ユーザの消費・対価支払いに感謝いたします。

  • 4845 スカラ
  • 7177 ＧＭＯフィナンシャルホールディングス

累計配当額

累計の着地予定は4万弱です。まだまだ少ないですが着実に上がっておりモチベーションを上げてくれています。

今月購入した銘柄

なし

今月の気になったニュース

普段読んでる記事の中から気になった記事を張ります。

【ベランダのセミ】2023/8 月次投資記事【いつ片付ける？】

株式投資 月次投資記事

はじめに

こんにちは、ベランダにひっくり返っているセミを見つける時期になりました。 まだまだ暑いですが、8月の終わりを感じています。

今月は、毎月配当の目標を達成するための最後の銘柄を購入しました。 現在は、月当たりの配当は数千円ですが、これからもっと増やしていけるよう継続的に投資をしていきたいです。

今月の所感

今月は、恒大集団の破産申請を始めとした中国経済への不安から暫くは調整相場が来るのかなと思っています。 また、対中投資のお金が日本に流れてきていますが、日本はあくまで止まり木にしかすぎず、最終的にインドネシアやインドへと流れていくと予想しています。

月末には処理水の放出やジャクソンホール会議などがあり、最後までハラハラドキドキする相場でした。

今月の投資状況

金融資産合計

8月は上がりました。月々の積み立てや4月からの株高もあり、1月に比べて約2倍になりました。このまま順調に伸び続けることを祈ります。

配当金

各月の配当額

今月は以下の銘柄の配当がありました。配当収入の源泉となった、保有株の会社の経営者の方々の賢明な経営、社員の方々の頑張り、顧客・ユーザの消費・対価支払いに感謝いたします。

累計配当額

累計の着地予定は4万弱です。まだまだ少ないですが着実に上がっておりモチベーションを上げてくれています。

今月購入した銘柄

  • 2163 アルトナー
  • 4689 Zホールディングス
    • 投資方針に合わないが、あまりにも綺麗なチャート形だったので購入。数ヶ月で売ると思う

今月の気になったニュース

普段読んでる記事の中から気になった記事を張ります。

株式投資の月次記事について

株式投資 月次投資記事

はじめに

学生だったコロナショック時に株式投資を始めていました。 （就活が途中からリモート面接に切り替わったのが懐かしい...）

現在も、給与から定額を投資に回しており、投資：貯蓄の比率は8：2になっています。

自分の記録のためにも、月次で獲得した配当、当月に行った投資などをまとめた投資関連の記事を書いていきたいと考えています。

現在の投資方針

2020〜2022年の間は、チャートを元に短期売買する投資方針を取っていました。 そちらでも、黒字を確保できており、資産を増加させ続けることができていました。

しかし、もっと長期的な投資を行うべきだと判断し、2023年からは以下の投資方針に変更しています。

高配当銘柄への長期投資

短期的な投資は、確かに利益を出すことができました。

しかし、短期的な投資は、見込める利益を大きくすればするほどリスクも大きくなりました。

ここで、短期投資においてリスクを減らす場合、銘柄分析の時間や勉強のコストを増やすことになります。

これに対して、今後の人生において仕事や私生活もあり、コストをかけるのは難しいと判断し、低コストで運転できる長期投資へと切り替えました。

次に、高配当を継続、もしくは更なる増配を続けている銘柄は、安定＆成長が見込めるため、長期投資の対象を高配当株にしました。

切り替える前は、現金を得るために利確タイミングの判断する必要がありますが、高配当株投資では定期的に現金が入ってくるので、利確タイミングを考える作業は不要になり買ったら放っておくだけなので管理コストが低くなりました。

配当金額の安定を投資目標として、最終的に株価上昇込みの利益を上げていくところが深層学習のResidual Networkみたいな雰囲気があって面白いなぁと感じたりしてます。

社会人3年目

お久しぶりです。

2021年に大学院を修了して2年が経ち、社会人3年目として生きています。 修了後は、都内IT企業に就職し地元を離れて東京で一人暮らしを始めました。

3年目になり、色々と落ち着いてきたので、後から振り返れるような定期的な記録を残そうと思いました。 内容としては、運動、食事や株式投資の話がメインになると思います。

今後とも、よろしくお願いします。

うどん職人への道

Python うどん職人への道

はじめに

まずはこれを見てほしいです．

f:id:ihatasi:20190603224042p:plain
@ihatasiのbio
そう，私はうどん職人を名乗っているのです． しかし，次のツイートを見てほしいです．

なんと私氏，うどん職人を名乗っておきながらうどんを打ったことがない！





私はこれは大変由々しき事態だと考え，うどん職人への道を歩むことを決めました．

では，どうやってうどん職人になればいいのでしょうか？ 私は，うどんを生成できたらうどん職人を名乗れるのではないかと考えました．


生成...
そう，深層「生成」モデルを使ってうどんを生成することにより，うどん職人の門を叩くのです（この記事はこれがやりたかっただけなのでもう閉じていただいて大丈夫です）！

学習

データ

学習データは，FlickrAPIで集めた(276枚)+google画像検索で拾った(124枚)の「合計400枚の画像」で学習しようとしましたがFlickrAPIで集めた方の画像がイマイチだったので，google画像検索で拾った(124枚)で学習することになりました． データの水増しのために，画像はランダムに左右反転するようにしています．

モデル

学習モデルにはDCGANを使用しています．

GANはDiscriminator（識別器）とGenerator（生成器）によって構成され，Discriminatorはもらった画像が本物のデータかGeneratorによって作られた偽物のデータかを識別し，GeneratorはDiscriminatorに本物のデータと誤識別させるように敵対的に学習します．結果，学習終了後にはGeneratorは本物のようなデータを生成できるようになります．（追記:2019/06/28）

さらにGANにはmode collapseと呼ばれる，生成が本来のデータの分布の一部からしか行われないようになるという問題があります．（追記:2019/06/28）

mode collapseを防ぐためにUnrolled GAN(https://arxiv.org/abs/1611.02163)を使っています．

これはDiscriminatorのパラメータを保存しておき，数ステップ学習が進んでから保存していたパラメータでDiscriminatorを上書きするというものです．これによってGeneratorは数ステップ先のDiscriminatorへの対策ができるようになります．（追記:2019/06/28）

さらに，より本物に近い画像を出力できるように，Improved Techniques for Training GANs(https://arxiv.org/abs/1606.03498)で提案されたfeature matchingを行なっています．（追記:2019/06/28）

うどん生成

こちらが最終的に生成されたうどんです．

f:id:ihatasi:20190605194603p:plain
うどん1
f:id:ihatasi:20190605194617p:plain
うどん2
f:id:ihatasi:20190605194629p:plain
うどん3
そんなに綺麗に生成することはできませんでしたが，うどんを生成できました（？）

まとめ

今回生成したうどんはまだまだうどんには程遠いため，これからも精進してうどん職人を名乗れるようになりたいです．まずは，データをもっと集めたいと考えています．(あとWGAN...)

論文読み[ADGAN]

はじめに

前回，AnoGANについての記事を書きました．
今回，読んだものはAnoGANの改良手法であるADGANです．
間違いや勘違いがありましたらコメントかTwitterで知らせてください．
論文:ANOMALY DETECTION WITH GENERATIVE ADVERSARIAL NETWORKS(https://openreview.net/forum?id=S1EfylZ0Z)
Chainerで書いたコード:(https://github.com/ihatasi/Learning/tree/master/Generation/GAN/ADGAN)

概要

GANを使った異常検知手法でAnoGANの改良手法になっています． 目的もAnoGANと同じで入力画像xに最も近い（似ている）画像x'を生成できるzの探索とスコアによる異常判定です．

AnoGANとの違い

AnoGANと異なる点は主に以下の3つです．

  1. Generatorも更新する．
    Generatorも更新することによって，Generatorが入力に近い画像を生成できるようになります．

  2. Discriminatorを使わない．
    Discriminatorを使わないので他の生成モデルと比較ができるようになりました．

  3. 同じデータに対して複数回スコアを出して平均を取る．
    zの初期値にスコアが依存しないようにするために行われています．

学習

f:id:ihatasi:20190516024014j:plain
学習過程
上図は，ADGANの学習過程です． DCGANを学習し終わったことろ時点でのzとg_{θ}をz_0とg_{θ_0}として，kステップ学習をします．正常データの時は，最適なzとg_{θ}が求まりますが，異常データの時は右端の画像のようにうまく求まりません．ここで注意が必要で，kの回数を多くし過ぎてしまうと，Generator更新により，入力画像に非常に似た画像が出てきてしまいます．著者はk=5が良いと主張しています．
f:id:ihatasi:20190516025524j:plain
学習アルゴリズム
上図は学習アルゴリズムでn_{seed}回個別の学習を行い，初期値依存にならないようにその平均を最終的なスコアとして出すようです． この時，zとg_{θ}はn_{seed}に初期化されます． また，損失関数はL_R = \sum{||{\bf x}-G({\bf z})||_2}です．入力画像xに最も似た画像G({\bf z})のとき，ロスは最小になります．
f:id:ihatasi:20190516030418p:plain
ADGANの学習モデル

評価

f:id:ihatasi:20190516030541j:plain
他の手法との比較
MnistとCifar-10を使って他の手法とROC-AUCで比べた結果です．Mnistにおいてはn=1だと初期値に大きく影響を受けてしまいますが，n=8だと初期値の影響が少ないためかn=1に比べて良くなっています．しかし，Cifar-10では個々のラベルに対してはうまくいっていないようです．全体で見れば，他の手法に勝っているらしいです．

追試

今回もMnistの1を正常データとして追試を行いました．ここではLossにL2ノルムではなくL1ノルムを使っており，n=1でスコアを求めています．またk=10でラベル1,7,8をそれぞれ入れます．

f:id:ihatasi:20190516031436p:plain
追試結果
結果は上図のようになりました．正常データである1に比べて，異常データである7と8はちゃんとスコアが高く出ています． ちなみにk＝100でラベル8の画像を入れると以下のようになります．
f:id:ihatasi:20190516031627j:plain
k＝100での異常データ（ラベル8）
Generatorが入力に対して育ち過ぎたため，異常データであってもちゃんと再構築できるようになります．

感想

前回紹介したAnoGANに比べたらGeneratorが学習するため学習回数がグンと減りました．しかし，まだデータごとに学習を行わないといけないので結構手間だなと感じます．次回も異常検知系の論文を読んでいきます．