python数据分析之线性回归选择基金

目录

• 1 前言
• 2 基金趋势分析
• 3 数据抓取与分析
• 3.1 基金数据抓取
• 3.2 数据分析
• 4 总结

1 前言

在前面的章节中我们牛刀小试，一直在使用python爬虫去抓取数据，然后把数据信息存放在数据库中，至此已经完成了基本的基本信息的处理，接下来就来处理高级一点儿的内容，今天就从基金的趋势分析开始。

2 基金趋势分析

基金的趋势，就是选择一些表现强势的基金，什么样的才是强势呢？那就是要稳定的，逐步的一路北上。通常情况下，基金都会沿着一条趋势线向上或者向下，基金的趋势形成比股票的趋势更加确定一些。 以下图为例，展示的是华夏中证新能源汽车ETF的走势情况,可以看到这个基金的走势基本上就是按照红色的趋势线。今天要做的就是使用数学-线性回归的方式来计算这个趋势的斜率以及趋势表的可靠性。 

这里分析基金走势的模型采用线性回归，假定其走势符合 { y = kx + b }y=kx+b , y 就是对应的收益率， x 为时间。k 值为斜率。现在要做的就是使用这组基金的数据计算这个k值，这样就可以使用这个k值进行基金的对比。

3 数据抓取与分析

3.1 基金数据抓取

抓取基金数据历史收益率的数据

# 抓取基金历史收益率数据连接
http://api.fund.eastmoney.com/pinzhong/LJSYLZS?fundCode=515030&indexcode=000300&type=y
# 参数说明
fundCode 为需要查询的基金代码
indexcode 基金对比基准数据,默认为沪深300(000300)
type 为数据查询的周期，m 一个月 q 3个月 hy 6个月 y 一年 try 3年 fiy 5年 sy 今年来 se 最大
复制代码

在api接口返回的数据中，0 代表的是基金数据， 1 是同类基金的平均值，2 为沪深300的数据。

 具体的实现代码见图:

3.2 数据分析

数据分析的方式使用 matplotlib 和 sklearn.linear_model ,第一个是用于数据的图形展示，第二个是线性分析工具，用于计算基金的k值。有关线性分析的内容，有兴趣的可以去查询线性分析的计算细节。

如下图所示，为数据模型计算和图形展示的代码。 

 以新能源ETF数据为例，我们得到了 y= 0.3541x + b 的趋势线，这个线性模型的评分为0.741。其实这个评分已经相当高了，收益率越大，其波动越大，和线性规划的契合度就越低。

 但是有没有例外呢，以天弘增利短债C(008647)为例，其评分相当高，看图形展示就可以知道，但是债券基金的k值比股票基金的k值比是相当的低，高风险，高回报，低风险，低回报。收益是对风险的补偿。

4 总结

在这一章中，介绍了使用线性规划的方式分析基金的趋势情况，并使用量化分析的方法进行基金的分析和筛选。最后可以使用这个方法对所以的基金进行分析，筛选出趋势性强的基金进行投资。

到此这篇关于python数据分析之线性回归选择基金的文章就介绍到这了,更多相关python数据分析内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！