よーめー日記: 33業種データベースを作る。

おじさん、以下のサイトで株価はマーケットや業種ごとに傾向がことなることを勉強しました。

なるほど、ウイリアム・シャープっていうノーベル賞を受賞したおちゃんが言っているのね。

何言ってるのかよくわからん。

けど、機械学習とかって論文や資料が全部英語なんだけど、金融経済分野って資料が全部日本語に翻訳されている・・・。

きっとこの分野、お金が有り余ってるに違いない。

株のリターンを計算するには、上場企業の「業種」やどのマーケットに上場しているのかのデータが必要らしいです。

Protraの上場企業データベースには、上場しているマーケット情報はあるのですが、業種のデータベースがありません。なので、本日は上場企業の業種のデータベースを作ろうと思ういます。

上場企業の業種の一覧ってどこにあるんだろ？

調べてみると、東京証券取引所にあるみたい。

ここにいろんな企業の株に関するデータがありました。

ここの東証上場銘柄一覧というエクセルの中に業種があるのね。

しかしこのエクセル、「食品」のように業種の文字のあとにスペースが入ってる・・・。

たしかに見た感じわかんないひっかけだけど、微妙に間違ってるのね。

金融とか証券ってこういうの間違っちゃいけないと思うんだけど・・・。

きっと誰もこのエクセル使っていないのね。

エクセルを見ると、「17業種コード」と「33業種コード」があるらしい。

「17業種コード」は１から連番なのですが、「33業種コード」は7250とか意味不明な数字が・・・

図書館の本の分類の日本十進分類だって連番なのに、Kaggleのようにあちこちにいろんな罠があります。

こういう不連続なデータをきちんと機械学習できるように連番にしていきます。

データを正確に分類するのって結構大変なのね。

ということで、いろいろ罠があり時間がかかってしまいましたが、上場企業の業種のライブラリができた！

よーめー日記