线性模型
通过线性回归的方法预测下一次的股价
下面的工作给予一个假设,就是一个价格可以根据N个之前的价格利用线性模型计算得出 import numpy as np import sys
#N = int(sys.argv[1])
N = 5
#获取一个包含N个股价的向量b
c = np.loadtxt('E:\\python\\quotime.csv',delimiter=',',usecols=(4,),unpack=True)
# 从最后一个(17日~11日)取到 -N个
b = c[-N:]
# 将取到的数据从前往后排(11日~17日),逆序排列
b = b[::-1]
print "b",b
#初始化一个N*N的二维数组A,元素全部为0
A = np.zeros((N,N),float)
print "Zeros N by N", A
# 用b向量中的N个股价值填充数组A
for i in range(N):
A[i,] = c[-N-1-i:-1-i]
print "A",A
# 确定线性模型中的那些系数,以解决最小平方和的问题,使用linalg包中的lstsq函数
# 系数向量x、一个残差数组、A的秩、A的奇异值
(x,residuals,rank,s) = np.linalg.lstsq(A,b)
print x,residuals,rank,s
#得到线性模型中的系数后,可预测下一次的股价了
#使用NumPy中的dot函数,计算系数向量与最近N个价格构成的向量的点积(dot product)
print np.dot(b,x)