基于线性回归的股票预测案例

基于线性回归的股票预测案例

本次的案例使用的是股票数据,数据源从www.quandl.com 获取.本次案例主要是为了练习线性回归

pip install quandl 安装quandl库.

在使用的时候,把quandl的导入.import quandl

数据集介绍,Adj 的是除权重之后的数据,更能翻译股票数据特征,所有主要使用的特征为调整之后的开盘价,最高价,最低价,收盘价与交易额..

HL_PCT(代表的是股票最高价与最低价变化的百分比):

PAC_change :(股票收盘价与开盘价变化的百分比)

 

import quandl
from sklearn import preprocessing
import math
import numpy as np

df = quandl.get('WIKI/AAPL') #从数据集网站中导入数据集www.quandl.com 中获取
df.head() #其中adj的是由除权重之后的数据集

#开盘价(open),最高价(High),最低价(Low),收盘价(Close),交易额(Volume)
#以及调整后的开盘价(Adj.Open),最高价(Adj.High)
#除权之后的的数据


#数据的预测列变量,存放研究对象的标签名.
forecast_col = "Adj. Close"

df.columns

 

#定义预测天数,这里设置为所有数据量长度的1%
forecast_out = int(math.ceil(0.01*len(df)))

# 只用到df中下面的几个字段
df = df[['Adj. Open', 'Adj. High', 'Adj. Low', 'Adj. Close', 'Adj. Volume']]

# 构造两个新的列
# HL_PCT为股票最高价与最低价的变化百分比
df['HL_PCT'] = (df['Adj. High'] - df['Adj. Close']) / df['Adj. Close'] * 100.0
# PCT_change为股票收盘价与开盘价的变化百分比
df['PCT_change'] = (df['Adj. Close'] - df['Adj. Open']) / df['Adj. Open'] * 100.0

# 下面为真正用到的特征字段
df = df[['Adj. Close', 'HL_PCT', 'PCT_change', 'Adj. Volume']]

# 因为scikit-learn并不会处理空数据，需要把为空的数据都设置为一个比较难出现的值，这里取-9999，
df.fillna(-99999, inplace=True)
# 用label代表该字段，是预测结果
# 通过让与Adj. Close列的数据往前移动1%行来表示
df['label'] = df[forecast_col].shift(-forecast_out)

# 最后生成真正在模型中使用的数据X和y和预测时用到的数据数据X_lately
X = np.array(df.drop(['label'], 1))
X = preprocessing.scale(X)
# 上面生成label列时留下的最后1%行的数据，这些行并没有label数据，因此我们可以拿他们作为预测时用到的输入数据
X_lately = X[-forecast_out:]
X = X[:-forecast_out]

# 抛弃label列中为空的那些行
df.dropna(inplace=True)
y = np.array(df['label'])

# scikit-learn从0.2版本开始废弃cross_validation，改用model_selection
from sklearn import  model_selection, svm
from sklearn.linear_model import LinearRegression

# 开始前，先X和y把数据分成两部分，一部分用来训练，一部分用来测试
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.33)
# 生成scikit-learn的线性回归对象
clf = LinearRegression(n_jobs=-1)

# 开始训练
clf.fit(X_train, y_train)
# 用测试数据评估准确性
accuracy = clf.score(X_test, y_test)

# 进行预测
forecast_set = clf.predict(X_lately)
print(forecast_set, accuracy)

import matplotlib.pyplot as plt
from matplotlib import style
import datetime

plt.figure(figsize=(12, 8))
# 修改matplotlib样式
style.use('ggplot')
one_day = 86400
# 在df中新建Forecast列，用于存放预测结果的数据
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()
next_unix = last_unix + one_day
# 遍历预测结果，用它往df追加行
# 这些行除了Forecast字段，其他都设为np.nan
for i in forecast_set:
    next_date = datetime.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
    # 而[i]是只包含Forecast值的列表
    # 上述两个列表拼接在一起就组成了新行，按日期追加到df的下面
    df.loc[next_date] = [np.nan for _ in range(len(df.columns) - 1)] + [i]

# 开始绘图
df['Adj. Close'].plot()
df['Forecast'].plot()
plt.legend(loc=4)
plt.xlabel('Date')
plt.ylabel('Price')
plt.show()