Python使用线性回归实现对股票的预测

小灰灰 2023-03-12 09:05 139阅读 0赞

## Python使用线性回归实现对股票的预测 ##

使用的股票数据从大型数据网站www.quandl.com获取，股票数据特征包括：开盘价（Open）、最高价（High）、最低价（Low）、收盘价（Close）、交易额（Volume）及调整后的开盘价（Adj.Open）、最高价（Adj.High）、最低价（Adj.Low）、收盘价（Adj.Close）和交易额（Adj.Volume)  
一、获取数据.  
首先在quandl网站注册账号，有一个专属key用于获取网站海量数据。  
本次使用google股票数据，获取数据代码如下：

# 线性回归股票预测
    from datetime import datetime
    import quandl
    import math
    from sklearn import preprocessing  #包提供几种常用的效用函数及转换器类，用于更改原始特征向量表示形式以适应后续评估量。
    import numpy as np
    
    # 从quandl处 获取数据
    quandl.ApiConfig.api_key = '这里填写自己的key值';
    df = quandl.get('WIKI/GOOGL');
    print (df.columns.tolist())  #输出所有的列

输出  
![在这里插入图片描述][20200514162037939.png]  
二、数据处理

# 定义预测列标签名 存放研究对象的标签名
    forecast_col = 'Adj. Close';
    # 定义预测天数 这里取所有数据量长度的百分之1
    forecats_count = math.ceil(len(df)*0.01)
    # z只用到以下字段
    df = df[['Adj. Open','Adj. High','Adj. Low','Adj. Close','Adj. Volume']];
    print(df);
    # 构造两个新的列  HL_PCT为股票最高价与最低价变化百分比  PCT_Change为股票收盘价与开盘价的变化百分比
    df['HL_PCT'] = (df['Adj. High']-df['Adj. Low'])/df['Adj. Close']*100;
    df['PCT_Change'] = (df['Adj. Close']-df['Adj. Open'])/df['Adj. Open']*100;
    # 真正用到的特征字段如下
    df = df[['Adj. Close','HL_PCT','PCT_Change','Adj. Volume']];
    print(df.head());
    # sklearn并不会处理空值 这里将空值全部填充为比较难出现的值 这里填-99999  增加inplace=True 填充的作用将改变数据源 否则不改变数据源
    df.fillna(-99999,inplace=True);
    # 增加label字段表示预测结果 即y   用df['Adj. Close']向前移动forecats_count来进行表示
    df['label'] = df[forecast_col].shift(forecats_count);

三、生成X y以及预测用到的X\_lately

X = np.array(df.drop(['label'],axis=1)); #axis=1  表示删除这一列
    X = preprocessing.scale(X); #对数据进行规范化处理 示其服从正态分布
    # 上面生成label时  留下%1行没有数据  所有其对应的其他数据可以作为预测时的输入数据
    X_lately = X[-forecats_count:];
    X = X[:-forecats_count];
    df.dropna(inplace=True); # 抛弃那些 label列为空的行   之前已经填充过了  所以现在只有label有空的
    y = np.array(df['label']);

四、机器学习

from sklearn.linear_model import LinearRegression
    from sklearn import model_selection,svm
    # 将X y 分为训练集和测试集合
    X_train,X_test,Y_train,Y_test = model_selection.train_test_split(X,y,test_size=0.2,random_state=1)
    # 训练
    lr = LinearRegression();
    lr.fit(X_train,Y_train);# 训练
    accuracy = lr.score(X_test,Y_test);# 用测试数据评估准确性
    print("输出评估值",accuracy);
    # 进行预测
    forecats_set = lr.predict(X_lately);
    print("预测值",forecats_set);
    print("截距",lr.intercept_);
    print("系数",lr.coef_);

输出  
![在这里插入图片描述][20200514162436331.png]  
五、画图显示

import matplotlib.pyplot as plt
    from matplotlib import style
    # 修改matplotlib样式
    style.use('ggplot');
    one_day = 86400; #86400秒 代表24小时
    # 在df中新建Forecast列，用于存放预测值
    df['Forecast'] = np.nan;
    # 取df最后一行的时间索引
    last_date = df.iloc[-1].name;
    last_unix = last_date.timestamp();  #将时间转化为时间戳
    next_unix = last_unix+one_day;  #下一天的时间戳
    # 遍历预测结果想df中追加行
    # 这些行除了Forecast字段其他全部设置为nan
    for value in forecats_set:
        next_date = datetime.fromtimestamp(next_unix);
        next_unix += one_day;
        # [np.nan for _ in range(len(df.columns)-1]生成不包含Forecast字段的列表
        # [value] 是只包含Forecast值的列表
        df.loc[next_date] = [np.nan for _ in range(len(df.columns)-1)]+[value];
    # 绘制图形
    df["Adj. Close"].plot();
    df["Forecast"].plot();
    plt.legend(loc=4);  #loc参数设置图例的显示位置的
    plt.xlabel('Date');
    plt.ylabel('Price');
    plt.show();

输出  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzNTEwOQ_size_16_color_FFFFFF_t_70]  
图中的曲线部分为历史数据，最上部的竖直线部分为预测数据

[20200514162037939.png]: /images/20230312/b042a85a24a04712a5d04eb2023aaff1.png
[20200514162436331.png]: /images/20230312/f663c5547380453eb89738c95f225b4b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDIzNTEwOQ_size_16_color_FFFFFF_t_70]: /images/20230312/39dd3271c5db49de9ff28995ee8ae68b.png