【数据挖掘】使用移动平均预测道琼斯、纳斯达克、标准普尔指数—(1)

2401_84183451

于 2024-05-11 03:04:18 发布

阅读量889

点赞数 7

分类专栏：程序员文章标签：大数据面试学习

本文链接：https://blog.csdn.net/2401_84183451/article/details/138691136

版权

程序员专栏收录该内容

124 篇文章 1 订阅

订阅专栏

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

…

S M A_{t}=\frac{P_{1}+P_{2}+\ldots+P_{n}}{n}

SMAt=nP1+P2+…+Pn
比如若依次得到测定值

、

x_1、x_2、x_3、x_4、x_5、x_6、x_7…

x1、x2、x3、x4、x5、x6、x7…,按顺序取一定个数所做的全部算术平均值就是移动平均值，如

(

)

、

(

)

3…

y_1=(x_1+x_2+x_3)/3、y_2=(x_2+x_3+x_4)/3…

y1=(x1+x2+x3)/3、y2=(x2+x3+x4)/3…，

而panda提供了rolling函数可以用来计算移动平均，使用简单，速度较快：
DataFrame.rolling(window, min_periods=None, freq=None, center=False, win_type=None, on=None, axis=0, closed=None)

参数	用法
window	表示时间窗的大小，注意有两种形式(int or offset)。如果使用int，则数值表示计算统计量的观测值的数量即向前几个数据。如果是offset类型，表示时间窗的大小。
min_periods	最少需要有值的观测点的数量，对于int类型，默认与window相等。对于offset类型，默认为1。
freq	不用管，从0.18版本中已经被舍弃。
win_type	窗口类型，不用管，默认为None一般不特殊指定
on	对于DataFrame如果不使用index(索引)作为rolling的列，那么用on来指定使用哪列。
closed	定义区间的开闭，不用管，新版本中已经被舍弃
axis	方向(轴)，一般都是0。
center	是否使用window的中间值作为label，默认为false。只能在window是int时使用。

那么我们使用的简单移动平均直接使用：data['ma5'] = data['Adj Close'].rolling(5).mean()，其表示窗口大小为5的移动平均。计算后，使用matplotlib.pyplot进行画图，横轴为时间，竖轴为预测价格，将其在pyplot 图中打印:

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(16,9))
ax1 = fig.add_subplot(111, ylabel='Price')
data.ma5.plot(ax=ax1, color='plum', lw=2., legend=True)

效果如下：
在这里插入图片描述
我们以同样方法画出多个均线并且和原数据real对比：

data['real'] = data['Adj Close'].rolling(1).mean()
data['ma5'] = data['Adj Close'].rolling(5).mean()
data['ma10'] = data['Adj Close'].rolling(10).mean()


![img](https://img-blog.csdnimg.cn/img_convert/e6d7da01f39b990c061e01c43698fd3a.png)
![img](https://img-blog.csdnimg.cn/img_convert/6bd9f9ab401a220496184bc49a143515.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

img-WC7xMiaj-1715367827428)]
[外链图片转存中...(img-6Aiq5S2t-1715367827428)]

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**