股票分析，利用线性回归实时预测股价，只需要提供股票代码即可爬取相应股票数据并建模

这里参考了别人的代码，并引用了tushare模块中定义的接口自动获取了依据 股票代码来获取数据
此篇文章提供了
1.一个简单通过接口爬取csv数据的方法
2.一个处理csv数据的简单方法
3.依据数据进行特征提取建立简单的股价预测模型

如下：
使用的话只需要修改对应的股票代码即可
我这里使用的是 300015 爱尔眼科的股票代码

import numpy as np
import pandas as pd  # 数据处理, 读取 CSV 文件
import matplotlib.pyplot as plt
import tushare as ts
from plotly.offline import init_notebook_mode, iplot, iplot_mpl
import plotly.graph_objs as go
from sklearn.linear_model import LinearRegression
from sklearn import preprocessing
import sklearn

# 000001 为平安银行
# 获取股票的数据
# 如果你还没有安装, 可以使用 pip install tushare 安装tushare python包

Stock_Code = 300015  #爱尔眼科


df = ts.get_hist_data(f'{Stock_Code}')

df.to_csv(f'{Stock_Code}.csv')
df = pd.read_csv(f'./{Stock_Code}.csv')

print(np.shape(df))
print(df[0:10])
df.head()

'''股票数据的特征
*date：日期
*open：开盘价
*high：最高价
*close：收盘价
*low：最低价
*volume：成交量
*price_change：价格变动
*p_change：涨跌幅
*ma5：5
日均价
*ma10：10
日均价
*ma20: 20
日均价
*v_ma5: 5
日均量
*v_ma10: 10
日均量
*v_ma20: 20
日均量
'''

本接口即将停止更新，请尽快使用Pro版接口：https://tushare.pro/document/2
(600, 15)
         date   open   high  close    low      volume  price_change  p_change  \
0  2022-03-25  30.51  31.22  29.66  29.50   556807.50         -0.85     -2.79   
1  2022-03-24  29.37  31.00  30.51  29.17   734351.69          0.78      2.62   
2  2022-03-23  28.28  29.95  29.73  28.04   712581.62          1.70      6.07   
3  2022-03-22  28.20  28.64  28.03  27.95   327752.81         -0.46     -1.61   
4  2022-03-21  28.83  28.90  28.49  28.11   400047.69         -0.12     -0.42   
5  2022-03-18  29.01  29.19  28.61  27.91   782520.00         -0.84     -2.85   
6  2022-03-17  28.00  30.44  29.45  28.00  1401702.38          2.18      7.99   
7  2022-03-16  26.84  27.38  27.27  25.28  1626294.12          0.33      1.23   
8  2022-03-15  30.00  30.70  26.94  25.02  1815843.62         -3.47    -11.41   
9  2022-03-14  31.87  32.20  30.41  30.10   518120.59         -2.09     -6.43   

      ma5    ma10    ma20       v_ma5     v_ma10     v_ma20  turnover  
0  29.284  28.910  31.459   546308.26  887602.20  633485.26      1.25  
1  29.074  29.194  31.745   591450.76  863570.32  639080.99      1.65  
2  28.862  29.347  31.892   724920.90  827310.41  621764.07      1.60  
3  28.370  29.530  32.132   907663.40  806734.83  599018.34      0.74  
4  28.152  30.028  32.434  1205281.56  814264.94  595898.22      0.90  
5  28.536  30.444  32.735  1228896.14  827720.85  589260.22      1.76  
6  29.314  31.081  33.057  1135689.89  774035.25  559168.78      3.14  
7  29.832  31.657  33.334   929699.92  656945.54  501548.91      3.65  
8  30.690  32.486  33.718   705806.27  518786.47  437122.81      4.07  
9  31.904  33.423  34.131   423248.32  367355.32  385054.37      1.16  





'股票数据的特征\n*date：日期\n*open：开盘价\n*high：最高价\n*close：收盘价\n*low：最低价\n*volume：成交量\n*price_change：价格变动\n*p_change：涨跌幅\n*ma5：5\n日均价\n*ma10：10\n日均价\n*ma20: 20\n日均价\n*v_ma5: 5\n日均量\n*v_ma10: 10\n日均量\n*v_ma20: 20\n日均量\n'

将日期的键值的类型从字符串转为日期

df['date'] = pd.to_datetime(df['date'])
categories = {'volume','v_ma5','v_ma10','v_ma20'}
'''数值大小尽量统一化'''
for cate in categories:
    df[cate] = df[cate]/10000


df = df.set_index('date')
# 按照时间升序排列
df.sort_values(by=['date'], inplace=True, ascending=True )
df.tail()

	open	high	close	low	volume	price_change	p_change	ma5	ma10	ma20	v_ma5	v_ma10	v_ma20	turnover
date
2022-03-21	28.83	28.90	28.49	28.11	40.004769	-0.12	-0.42	28.152	30.028	32.434	120.528156	81.426494	59.589822	0.90
2022-03-22	28.20	28.64	28.03	27.95	32.775281	-0.46	-1.61	28.370	29.530	32.132	90.766340	80.673483	59.901834	0.74
2022-03-23	28.28	29.95	29.73	28.04	71.258162	1.70	6.07	28.862	29.347	31.892	72.492090	82.731041	62.176407	1.60
2022-03-24	29.37	31.00	30.51	29.17	73.435169	0.78	2.62	29.074	29.194	31.745	59.145076	86.357032	63.908099	1.65
2022-03-25	30.51	31.22	29.66	29.50	55.680750	-0.85	-2.79	29.284	28.910	31.459	54.630826	88.760220	63.348526	1.25

检测是否有缺失数据 NaNs

df.dropna(axis=0, inplace=True)#
df.isna().sum(),df.shape

(open            0
 high            0
 close           0
 low             0
 volume          0
 price_change    0
 p_change        0
 ma5             0
 ma10            0
 ma20            0
 v_ma5           0
 v_ma10          0
 v_ma20          0
 turnover        0
 dtype: int64,
 (600, 14))

K线图

Min_date = df.index.min()
Max_date = df.index.max()
print("First date is", Min_date)
print("Last date is", Max_date)
print(Max_date - Min_date)
# %%

init_notebook_mode()


trace = go.Ohlc(x=df.index, open=df['open'], high=df['high'], low=df['low'], close=df['close'])
data = [trace]


iplot(data, filename='simple_ohlc')

运行出来的这个其实是个demo 并不是图片，可以点击查看具体数据
这里为了显示正常只是截图使用

线性回归

# 创建新的列, 包含预测值, 根据当前的数据预测5天以后的收盘价

date = "2022-03-15'"
num = 30  # 预测date  num天后的情况

df['label'] = df['close']# 预测值  每天的最终股票价格

丢弃 ‘label’, ‘price_change’, ‘p_change’, 不需要它们做预测

Data = df.drop(['label', 'price_change', 'p_change'], axis=1)
print(Data.tail() )
X = Data.values
X = preprocessing.scale(X)

df.dropna(inplace=True)
Target = df.label
y = Target.values


print(np.shape(X), np.shape(y))
'''x 特征，y 股价'''

             open   high  close    low     volume     ma5    ma10    ma20  \
date                                                                        
2022-03-21  28.83  28.90  28.49  28.11  40.004769  28.152  30.028  32.434   
2022-03-22  28.20  28.64  28.03  27.95  32.775281  28.370  29.530  32.132   
2022-03-23  28.28  29.95  29.73  28.04  71.258162  28.862  29.347  31.892   
2022-03-24  29.37  31.00  30.51  29.17  73.435169  29.074  29.194  31.745   
2022-03-25  30.51  31.22  29.66  29.50  55.680750  29.284  28.910  31.459   

                 v_ma5     v_ma10     v_ma20  turnover  
date                                                    
2022-03-21  120.528156  81.426494  59.589822      0.90  
2022-03-22   90.766340  80.673483  59.901834      0.74  
2022-03-23   72.492090  82.731041  62.176407      1.60  
2022-03-24   59.145076  86.357032  63.908099      1.65  
2022-03-25   54.630826  88.760220  63.348526      1.25  
(600, 12) (600,)





'x 特征，y 股价'

# 将数据分为训练数据和测试数据
X_train, X_test,  y_train ,y_test= sklearn.model_selection.train_test_split(X,y,test_size=0.1,random_state=42)
# %%
lr = LinearRegression()
lr.fit(X_train, y_train)

lr.score(X_train,y_train),lr.score(X_test, y_test) # 使用绝对系数 R^2 评估模型

(1.0, 1.0)

做预测

此处使用的特征是最近num天的特征，而目前使用的数据是之前的特征量，由于归一化，
实际上若真要预测，首先要预测这些特征的值随时间变化的概率

X_Predict = X[-num:]
Forecast = lr.predict(X_Predict)
print(Forecast.shape)
print(y[-num:].shape)
print(X_Predict.shape)

(30,)
(30,)
(30, 12)

### 画预测结果

# 预测
trange = pd.date_range(f'{date}', periods=num, freq='d')
print(trange)

# 产生预测值dataframe
Predict_df = pd.DataFrame(Forecast, index=trange)
Predict_df.columns = ['forecast']
Predict_df

# 将预测值添加到原始dataframe
df = pd.read_csv(f'./{Stock_Code}.csv')
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date')

# 按照时间升序排列
df.sort_values(by=['date'], inplace=True, ascending=True)
df_concat = pd.concat([df, Predict_df], axis=1)

df_concat = df_concat[df_concat.index.isin(Predict_df.index)]
df_concat.shape

DatetimeIndex(['2022-03-15', '2022-03-16', '2022-03-17', '2022-03-18',
               '2022-03-19', '2022-03-20', '2022-03-21', '2022-03-22',
               '2022-03-23', '2022-03-24', '2022-03-25', '2022-03-26',
               '2022-03-27', '2022-03-28', '2022-03-29', '2022-03-30',
               '2022-03-31', '2022-04-01', '2022-04-02', '2022-04-03',
               '2022-04-04', '2022-04-05', '2022-04-06', '2022-04-07',
               '2022-04-08', '2022-04-09', '2022-04-10', '2022-04-11',
               '2022-04-12', '2022-04-13'],
              dtype='datetime64[ns]', freq='D')





(30, 15)

画预测值和实际值

df_concat['close'].plot(color='green', linewidth=1)
df_concat['forecast'].plot(color='orange', linewidth=3)
plt.xlabel('Time')
plt.ylabel('Price')
plt.legend()
plt.show()

这个图片之所以不连续，，因为周六，周日，股市不开业

问题：
预测的特征是按照最近几天的特征来写的
未深入分析会影响到股价的特征

可能的改进措施：
建立13个特征随时间变化的回归模型
再依据由13个模型预测的数值统筹为特征量再预测。
引入股票分析，金融分析的其他方法到机器学习特征中来。
未深入研究了，点到为止。。。

其他文章
Glcm 灰度共生矩阵，保姆级别教程,带源码
SVM支持向量机自动调优,带源码
HOG特征+SVM 进行行人检测,带源码，异常处理
Sober算子边缘检测与Harris角点检测1

参考文献
线性回归-股票预测