上证指数预测之python建模与动态时间扭曲

继续学习人民邮电出版的《机器学习实践指南》,第7章股市预测,模型直接拿来用于上证指数,动态时间扭曲建模,结果跟教程预测标普500差别很大。
文中涉及pandas_profiling模块,图像是嵌入式,Markdown没有显示结果。

本文仅用于python数据分析之DataFrame操作学习!

一 、指数搜索

import tushare as ts
ts.get_index()
code name change open preclose close high low volume amount
0 000001 上证指数 1.61 2727.0186 2702.1296 2745.6182 2751.8964 2702.4933 252019507 2815.8337
1 000002 A股指数 1.61 2857.6618 2831.5502 2877.1556 2883.7260 2831.9092 251741036 2814.3846
2 000003 B股指数 1.06 220.9384 220.0086 222.3326 223.2548 220.5027 278471 1.4491
3 000008 综合指数 1.73 2544.9532 2522.4297 2565.9899 2574.0928 2528.0644 53368275 585.2588
4 000009 上证380 1.46 4579.1702 4537.5197 4603.5710 4609.5472 4528.2879 55041282 629.8522
5 000010 上证180 1.88 7734.6028 7654.7969 7798.7930 7821.4258 7661.7982 83125699 1155.2277
6 000011 基金指数 0.91 6009.5347 5985.2705 6039.5412 6040.9660 5964.3047 153023459 407.7303
7 000012 国债指数 0.03 180.8213 180.8046 180.8513 180.8523 180.8106 400973 4.0256
8 000016 上证50 2.28 2597.9793 2569.7891 2628.4161 2636.1406 2580.3573 37231436 618.8246
9 000017 新综指 1.61 2304.1910 2283.1352 2319.9088 2325.2075 2283.4227 249192522 2677.9100
10 000300 沪深300 1.79 3629.5126 3589.0926 3653.2239 3663.9517 3588.7766 139603000 2112.2307
11 000905 中证500 1.19 5217.4880 5157.8235 5219.2809 5225.0268 5129.0733 127513289 1315.1903
12 399001 深证成指 1.30 10150.7840 10019.8580 10150.1250 10174.5090 9964.2860 38004697447 4354.5853
13 399002 深成指R 1.30 12453.4930 12292.8670 12452.6860 12482.6010 12224.6880 15836815504 2267.2686
14 399003 成份B指 1.57 4664.6670 4648.4650 4721.5380 4721.5380 4619.9620 10341618 0.7069
15 399004 深证100R 1.54 5590.8520 5518.6460 5603.5730 5620.6970 5501.8790 5399802857 993.9201
16 399005 中小板指 0.71 6681.1970 6588.8830 6635.7860 6699.7590 6525.1590 17873990979 1922.1422
17 399006 创业板指 1.06 1923.9600 1894.9430 1915.0460 1928.8790 1878.8490 9944795691 1473.2099
18 399008 中小300 0.79 1287.6060 1270.6290 1280.6110 1290.9450 1259.3420 9323739585 1237.4965
19 399100 新 指 数 1.33 7766.5520 7673.6800 7775.6440 7784.8760 7640.9580 37295220442 4316.5081
20 399101 中小板综 1.06 9720.5630 9601.0040 9702.4630 9740.9030 9546.9760 17873990979 1922.1422
21 399106 深证综指 1.28 1702.9490 1682.9300 1704.4620 1707.0660 1675.4420 38004697447 4354.5853
22 399107 深证A指 1.28 1781.9020 1760.9240 1783.4680 1786.2040 1753.0940 37985716774 4353.5633
23 399108 深证B指 0.87 821.9270 819.7140 826.8650 827.0460 814.0530 18980673 1.0220
24 399333 中小板R 0.71 7521.6910 7417.7640 7470.5670 7542.5880 7346.0230 3718392677 695.0080
25 399606 创业板R 1.06 2029.7650 1999.1520 2020.3610 2034.9540 1982.1730 2292605286 496.8369

二、导入上证指数数据

import pandas as pd
import numpy as np
#import pandas_datareader as pdr
cons = ts.get_apis()#建立连接

#start_date = pd.to_datetime('2010-01-01')
#stop_date = pd.to_datetime('2020-03-12')
shx = ts.bar('000001',conn=cons,asset='INDEX',start_date='2019-01-01',end_date="")
shx = shx.dropna()#删除所有null行
shx.sort_values(['datetime'],inplace=True)#日期顺序
shx
code open close high low vol amount p_change
datetime
2019-01-03 000001 2461.78 2464.36 2488.48 2455.93 1243975.0 1.069228e+11 -0.04
2019-

你可能感兴趣的:(上证指数预测之python建模与动态时间扭曲)