インデックス投資家からの脱却 (アンチインデックス)

インデックス投資を嫌うブログ主による駄ブログです。

今持ってる株と監視してる株の感想

新しいノートPC買いました。
Thinkpadの安いモデルです。
構成は
CPU:core i5-7200U
記憶領域:SSD 128GB and HDD 1TB
RAM:8GB×1(最大32GBまで増設可能)
GPU:Geforce 940MX
GPUは余計なオプションだったかもしれません。ゲームしないし、、、、
子供の動画編集とかし始めたら使うのでしょうか。
まぁいいや。
Thinkpadのトラックポイントとトラックパッドが以前に使っていたNECのノートより格段に使いやすくてマウス必要ないんじゃねって感じです。
カーソルキーの配置のみ不満があります。
カーソルキーって結構使うキーなのになんであんな小さいところに押し込められるのでしょうか。
無変換とか変換とかのキーは不要なのでその分カーソルキーのスペースにあててほしいです。
そういう人はUSキーボード買えって話なんでしょうけど。
Thinkpadは無料オプションでUSキーボードに変更かのうなのでそうすればよかったかもしれません。
カナ入力なんて使わないし。


なぜかPFはまぁまぁ堅調です。

保有株への感想
2436 共同PR
・・・さっさと復配のIR出せや。できれば配当性向30%以上で

3673 ブロードリーフ
・・・優待維持してくれ。優待用の1単元しか持ってないけどな

6173 アクアライン
・・・決算よかったみたいやな。主力じゃない銘柄ほどよく上がる現象何やねん

7609 ダイトロン
・・・決算ちょっと期待


アクアラインとダイトロンは四季報で見つけて四季報発売のすぐ後に購入。
目下のところ調子が良いので自分の銘柄選択眼もまだまだ捨てたものじゃないなと思ってます。
下げ相場の時はまた別の視点が必要なんでしょうけど。

監視銘柄
3804 システムディ
・・・押し目作れよ。また買うから

4746 東計電算
・・・多分増配&上方修正あるやろ


以上です。
資金が少ないので監視銘柄も少ないです。
RstudioでTDnet等から企業財務データを自動取得するプログラムを鋭意作成中です。
XBRLについては勉強中です。
なお、進捗状況はカタツムリの歩みより遅いので期待しないでください。

システムディ利確しました & 個別銘柄

中間決算で上方修正を出したシステムディを今週利確しました。
システムディについては昨年から買い煽りをしていたのですが、誰も注目しているようには思えませんでした。
とりあえず自分の選択した銘柄が上がって良かったです。

この会社は業績の季節性が強く、第3四半期単期では赤字を計上するので、その決算発表後に失望売りが出るかと思います。
そこで買っても遅くないと思います。
今の株価で買っても報われると思いますが、安く仕込めるチャンスはいくらでもあると思います。
ただ、業績以外の「地方公会計制度の改正」という国策である大テーマが注目されればさらにイナゴが寄ってきて上がる可能性もあるので、仕込みは難しいところ
ラジオ日経に創業者が出演した回もあるのでよかったら聞いてください


本日6/16、会社帰りに四季報を買いました。数年前に買って売った
6284 日精ASB機械
3844 コムチュア
が業績順調&上場来高値圏になっており、そのまま持ってタラレバと思いました。
PFの銘柄をとっかえひっかえするよりただ待っていただけの方がパフォーマンスが良かったです。
Twitterを見てると天才トレーダー達がスイングトレードで月間利益+20~+100%出したりしていて、それに影響を受けて自分も慣れないスイングなどをしていますが、損失ばかり出しています。
ポジポジ病、相場中毒になっているので本当に治したいと思っています。(多分)

んで、本日発売の四季報を適当にめくって見つけた個別銘柄の紹介

2436 共同PR
利益剰余金の欠損も解消され、復配の期待があります。
会社予想のEPS160円程度を信じるなら現状の株価は割安圏にあるかと思います。
ただ、第1四半期の進捗は良くなかったので要注意。過去には下方修正も出していますし会社予想をそのまま信じるのは無謀かもしれません。
会社予想を2割引きして考えるとEPS128円程度。
今日の終値でPERが約10倍
実質無借金で経営もまあ健全。
復配狙いで買っても3か月~半年持っていれば報われると思います。
ただ、出来高が小さくスプレッドも大きいのでまとめて買う事は難しいです。


4746 東計電算
目を付けた理由は
・好業績
・チャートが良く見える
・浮動株少なく機関投資家がまだあまり買ってない(と思う)
・無借金
・増配傾向
です。

この銘柄も出来高は少なく、まとめて買うというのは難しい!
事業内容は今から調べますが、システム屋です。
俺ってシステム屋好きだなぁ、、、、


では、良い週末を。


ディープラーニングが人間の仕事を奪うことはまだないと思われる

先月「ディープラーニングが分かる数学入門」と言う本を大半読んで、ディープラーニングについて概要を学習しました。
ディープラーニングについて学習の数学的理論の概要を学んだ私の感想は
「ディープラーニングが人間の仕事を置き換えるという事態はあまり進まないと思う」です。
ディープラーニングの概要しか学んでいないので偉そうなことは言えないのですが、ディープラーニングが行っている事は、結局は一般化線型モデルの拡張であるに過ぎないと私は理解しています。
一般化線型モデルはもう色々な分野でかなり使われていますが、それが人間の職を奪うという事はあまり発生していません。

私が関わった仕事で言うと、信用リスクの定量化という課題において多変量のロジスティック回帰モデルはかなり良い精度で信用リスクの定量化作業を行えます。
しかし、信用リスク定量化のモデルを使用する大前提として
・定量化モデルを作り出すための財務データが大量に必要
・その財務データを機械に分かりやすい形(CSVなど)で整理するのは人間
・財務データを入手できない場合は定性的データに頼る場合もあるが、それらを数量化するのは困難(できない事もない)
ハードウェアに関して昔は「ソフトがなければただの箱」と言われていましたが、機械学習やディープラーニング等のソフトウェアに関しては「データがなければただのバカ」と言えると思います。
われわれ人間は基本的なデバイスとして、目、耳、手指、肌、鼻、口などの感覚器が存在し、それらを用いて絶えずデータを収集しています。また、それらを統合する高機能なソフトウェアである脳を携えています。
一方、コンピュータは根本的には0と1の信号しか理解できない上に、上に挙げたような高度なデバイスを備えておりません。
はっきり言って知能(何を知能と定義するかにもよりますが、)に関しては人間に勝つような道筋はまだ見えてないと言って過言ではありません。


もちろんアルファ碁に見るように、
「活用する環境が限定的」かつ「ある程度定型化された作業」であれば人間を超える活躍は見せると思います。
例えば肺や腸の画像診断などではかなりの活躍を行うと推測します(というか、もう活躍している?)

そもそも、囲碁しかできないアルファ碁を人工知能と呼ぶこと自体に私は疑問を感じています。
あなたは目の前の人間が囲碁しかできず、しゃべることも目配せすることも言葉を発することもできず、意味のあるジェスチャーもできないとして、そのような人間に知能があると認識できるでしょうか?
私は認識できないと思います。

現在のディープラーニングという手法はもちろん画期的なのでしょうが、いわゆるシンギュラリティを起こすようなテクノロジーとは思えません。
現状のディープラーニングの枠組みでシンギュラリティが発生すると考えた場合、私は以下のような事が実現しないとダメだと考えています

1:人類の視覚、聴覚、触覚などを高度に入力できるデバイスが世界の至るところに存在する。
至るところとは自宅、職場、医療現場はもとより、パチンコ屋や居酒屋も含みます。また、南極、サバンナ、密林など人数は少ないながらも人間が生活を営んでいる場所全てです。
2:1で入力された情報を瞬時に演算できる演算装置が存在し、それらを統合できるハードウェアとソフトウェアが存在する。

上記のような事態はほぼ起こりえないので、ディープラーニングの枠組みの中でシンギュラリティが発生するとは思えません。

まとめ
・受動的に入力されるデータが無いと何もできないプログラムはいくら高度でも知能とは言えない。
・ディープラーニングの枠組みの中でシンギュラリティは発生しないと思う。

書評 「人工知能は人間を超えるか」

人工知能について、「人間の仕事を置き換える」だのなんだのうんこみたいな経済誌の煽りがすごいので学んでみようと思って入門書っぽい本を買って読みました(記事末尾のリンクの本)。んで、読んでみての感想
良い点
・人工知能開発・研究の歴史と現状についてざっと書いてあり、教養としてはOK
・一応参考文献の明示あり

物足りなかった点
・数学的記述などはなく、人工知能について「学べる」のではなく「なんとなく分かった気になる」だけ

本の帯には「AIはビジネスマンの最強の教養である」と書いてあり、教養本の域を出ないなぁという感じでした。
Amazonでレビューするなら私は星3つです。


人工知能とか機械学習について「学ぶ」のであればもうちょっと専門的な本を読むべきだと思いました。
いろいろググったら、人工知能とか機械学習の理論を理解するには
・線型代数
・確率・統計
・微分・積分
の知識が必要とのこと。

どのレベルの知識が必要になるのかは分かりませんが、
私の個人的な今までの経験として「概要を理解できるレベル」の知識としては
線型代数:行列の演算と逆行列、直交とは何か、固有値と固有ベクトルとは何か
確率・統計:回帰と相関、ベイズ、検定と推定、ロジスティック回帰モデル、主成分分析の基礎(これは線型代数とも関わってくる)
微分・積分:導関数の意味、原始関数の意味、微分方程式の基礎
ぐらいが分かっていればある程度大丈夫だと思います。
足りないところは付けたしで勉強すれば良いだけです。

私は業務で上記の知識を使わなくなって久しいので、かなり忘れています。