ファイナンス、情報通信技術のスキル・アグリゲーション・サイト

株価 LSTM 翌日予測デモ（ライト版）

Finance × AI / TensorFlow.js Demo

株価 LSTM 翌日予測デモ

CSVをドロップするだけで、LSTMが学習して翌営業日の予測終値を出力します。
ブラウザ完結・データ送信なし。Finance × AI の入門体験ツールです。

TensorFlow.js 4.10 CPU バックエンド固定 30 エポック固定データ送信なし

About this tool

このツールについて

本ツールは、機械学習ライブラリ TensorFlow.js をブラウザ上で実行し、株価の時系列データから LSTM（Long Short-Term Memory） モデルを構築・学習して、翌営業日の予測終値を算出するデモツールです。

株価データの著作権保護の観点から、CSVファイルはご自身でご用意いただく仕様です。初めての方向けに、動作確認用の合成データ（架空の株価）もダウンロード提供しています。すべての計算はお使いのブラウザ内で完結し、データが外部に送信されることはありません。

※ パラメータを完全に自由設定できる詳細版ソースコードは gwaw.jp 実験ページでご覧いただけます。

🧠

LSTM で時系列学習

過去の株価パターンを記憶し、翌営業日の終値を予測します

⚡

CPU バックエンド最適化

小規模モデルでは WebGL より CPU が高速。ブラウザで快適に学習できます

📊

3 種のグラフ出力

学習曲線・予測 vs 実測・翌日予測チャートで結果を可視化

🔒

データはローカル完結

CSVはブラウザ内のみで処理。外部サーバーへの送信は一切ありません

Tool

株価 LSTM 翌日予測

▍ LSTM STOCK PREDICTOR — LITE

BACKEND: CPU

📂

CSV ファイルをドロップまたはクリックして選択形式: 日付(yyyy/mm/dd), 終値, 始値, 高値, 安値

ファイル: —

件数: — 件

期間: —

終値レンジ: —

ウィンドウサイズ（参照過去日数）過去何日分を「1つの入力」として学習するか。20日 ≈ 約1ヶ月

訓練データ比率全データのうち学習に使う割合。残りがテスト（検証）用

内部固定値： LSTM 48→24 ユニット / Dropout 0.2 / エポック 30 / バッチサイズ 16 / 学習率 0.001 / バックエンド CPU

[SYSTEM] CSV ファイルを読み込んでください...

翌営業日予測終値

—

BEST LOSS (MSE)

—

TEST MAE (円)

—

DIRECTION ACC.

—

── 学習曲線（Loss / MAE）

── 予測 vs 実測（テストデータ）

── 翌日予測値（直近 20日＋予測）

⚠ 本ツールの予測結果は機械学習モデルによる試算です。将来の株価を保証するものではありません。投資判断の根拠としての使用はお控えください。

How to use

ツールの使い方

CSV ファイルを準備する

Yahoo!ファイナンス・株探（かぶたん）などから時系列データをエクスポートしてください。列の順序は 日付, 終値, 始値, 高値, 安値 の形式が必要です。 250件（約1年分）以上を推奨します。
初めての方は下記ツール内の「サンプル CSV をダウンロード」でまずお試しください。

CSV をドロップ（またはクリックして選択）する

ドロップゾーンにファイルをドラッグ＆ドロップするか、クリックしてファイルを選択します。読み込みに成功すると、件数・期間・価格レンジが表示されます。

パラメータを選択する

ウィンドウサイズ（参照する過去日数）と 訓練データ比率（学習に使うデータの割合）を選択します。迷ったらデフォルト値（20日 / 80%）のままで問題ありません。

「学習開始」を押す

ボタンを押すと CPU バックエンドで学習が始まります。 30 エポックの学習で、通常 10〜60 秒程度かかります（データ件数・端末性能による）。ログエリアに進捗が随時表示されます。

結果を読む

学習完了後、翌営業日の予測終値・評価指標・3種のグラフが表示されます。各指標の見方はページ下部の「入力と出力の解説」を参照してください。

CSV 取得先の例： Yahoo!ファイナンス（各銘柄ページ → 時系列 → ダウンロード）、株探（かぶたん）の株価時系列ページ。いずれも個人利用目的の範囲でご利用ください。

LSTM とは — 時系列と「記憶」のしくみ

LSTM（Long Short-Term Memory）は、時系列データの学習に特化したニューラルネットワークの一種です。通常の RNN（再帰型ニューラルネットワーク）が「遠い過去」を忘れてしまう問題を、 「記憶セル」と「ゲート機構」によって解決しています。

過去の株価
（ウィンドウ分）

→

LSTM 層1
48 ユニット

→

LSTM 層2
24 ユニット

→

Dense 層

→

翌日予測値

正規化処理： 価格データを 0〜1 にスケーリングして学習させ、出力時に元の円単位に逆変換（Unscale）しています。価格の絶対値ではなく相対的な変動パターンを学習するためです。

CPU バックエンドを固定する理由： TensorFlow.js は通常 WebGL（GPU）を使いますが、小さいモデルでは GPU ↔ メモリ間のデータ転送コストが学習コストを上回ります。本ツールのモデルサイズ（48→24 ユニット）とバッチサイズ（16）の組み合わせでは、CPU の方が高速に動作します。

Input / Output

入力と出力の解説

⬇ 入力

CSV

株価 CSV ファイル

列順：日付, 終値, 始値, 高値, 安値
日付形式：yyyy/mm/dd（例: 2024/01/15）
推奨件数：250件以上（1年分以上）
文字コード：UTF-8 / Shift-JIS 自動判定

設定

ウィンドウサイズ

過去何日分を「1つの入力ベクトル」として LSTM に渡すか。大きいほど長期パターンを学習しますが、計算時間が増加します。
選択肢：10日 / 20日（推奨） / 40日

設定

訓練データ比率

全データのうち学習（訓練）に使う割合。残りの割合がテストデータとして予測精度の検証に使われます。
選択肢：70% / 80%（推奨） / 90%

⬆ 出力

予測値

翌営業日予測終値（円）

最も重要な出力。直近のウィンドウサイズ分のデータを入力として、翌日の終値を予測します。

指標

BEST LOSS（MSE）

30 エポック中の最小損失（平均二乗誤差）。値が小さいほど学習が進んでいます。

指標

TEST MAE（円）

テストデータでの平均絶対誤差。「平均して何円ズレているか」の直感的な指標です。

指標

DIRECTION ACC.（%）

価格の上下方向の的中率。50% がランダム基準。60% 以上であればモデルに一定のパターン認識力があります。

グラフ

学習曲線 / 予測 vs 実測 / 翌日チャート

学習の進捗・精度・翌日予測を視覚的に確認できます。

内部固定パラメータと設定理由

パラメータ	固定値	設定理由
LSTM ユニット数（第1層）	48	株価の短〜中期パターン抽出に十分なサイズ。ブラウザ負荷とのバランスを考慮
LSTM ユニット数（第2層）	24	第1層の特徴量をさらに圧縮。過学習を抑制
Dropout 率	0.2	ノードを20%間引き、過学習（訓練データへの過適合）を防ぐ標準的な値
エポック数	30	ブラウザでの待機時間と精度のバランス点。通常10〜60秒で完了
バッチサイズ	16	小バッチで学習の安定性を確保。CPUバックエンドとの相性が良い
学習率	0.001	Adam オプティマイザーのデフォルト値。収束安定性が高い
バックエンド	CPU	このモデルサイズではWebGLのオーバーヘッド（テクスチャ転送コスト）が割高。CPUの方が高速

【免責事項・ご注意】
本ツールの予測結果は機械学習モデルによる試算であり、将来の株価・市場動向を保証するものではありません。投資判断の根拠としての使用はお控えください。株価データの取得・利用にあたっては、各データ提供元の利用規約をご確認ください。 TensorFlow.js の動作はブラウザ・端末の性能に依存します。

2026年 5月 2日12時00分