关于股价预测

常见的股价预测方法

目前常见的股价预测方法已经十分完善了，但是大多数还是研究性质的，实用价值较少。原因是大部分预测股价的其实都是通过前一天的股价来预测第二天的股价，而没有利用更多的信息。记录一下常见的股价预测的方法。为了简化将股价预测转换为二分类问题，即预测第二天股价的信息。

机器学习预测股价

机器学习主要是通过以下几种算法，实现也十分简单，通过调取sklearn的库，几行代码即可完成。
1. 多元线性回归算法

start = time.time()
clf = LinearRegression()
clf.fit(train_data,train_label)
end1 = time.time()
print('********************训练处理时间：**********',end1-start)
print('**************训练结束，开始预测******************************')
pre = clf.predict(dev_data)
score = log_loss(dev_label,clf.predict(dev_data))
evaluate(model_type,pre,dev_label)
end2 = time.time()
print('********************测试处理时间：**********', end2 - end1)

2.K-means算法

 start = time.time()
 clf  = KNeighborsRegressor(n_neighbors=8)
 clf.fit(train_data,train_label)
 end1 = time.time()
 print('********************训练处理时间：**********', end1 - start)
 print('**************训练结束，开始预测******************************')
 pre = clf.predict(dev_data)
 evaluate(model_type,pre,dev_label)
 end2 = time.time()
 print('********************测试处理时间：**********', end2 - end1)

3. 决策树

 start = time.time()
 clf = DecisionTreeRegressor()
 clf.fit(train_data,train_label)
 end1 = time.time()
 print('********************训练处理时间：**********', end1 - start)
 print('**************训练结束，开始预测******************************')
 pre = clf.predict(dev_data)
 evaluate(model_type,pre,dev_label)
 end2 = time.time()
 print('********************测试处理时间：**********', end2 - end1)

4.随机森林
随机森林是对bagging的方法的改进，其改进主要有两点：分类器选择的是决策树；在决策树的决策过程中引入随机属性选择。

start = time.time()
clf = RandomForestRegressor()
clf.fit(train_data, train_label)
end1 = time.time()
print('********************训练处理时间：**********', end1 - start)
print('**************训练结束，开始预测******************************')
pre = clf.predict(dev_data)
evaluate(model_type,pre, dev_label)
end2 = time.time()

5.light-gbm

LigthGBM是boosting集合模型中的新进成员，由微软提供，它和XGBoost一样是对GBDT的高效实现，原理上它和GBDT及XGBoost类似，都采用损失函数的负梯度作为当前决策树的残差近似值，去拟合新的决策树。相比XGBOOST而言训练速度更快，不需要处理空值。

start = time.time()
clf = lgb.LGBMRegressor(
                learning_rate=0.01,
                max_depth=-1,
                n_estimators=5000,
                boosting_type='gbdt',
                random_state=2019,
                objective='regression',
            )
# 训练模型
clf.fit(
    X=train_data, y=train_label,
    eval_metric='logloss',
    verbose=50
)
end1 = time.time()
print('********************训练处理时间：**********', end1 - start)
print('**************训练结束，开始预测******************************')
pre =  clf.predict(dev_data)
evaluate(model_type,pre, dev_label)
end2 = time.time()

6.cat-boost

cat-boost也是Boosting族算法的一种，与XGBoost和LightGBM类似，依然是在GBDT算法框架下的一种改进实现，是一种基于对称决策树（oblivious trees）算法的的GBDT框架。可以调用GPU，处理类别数据、自动处理空值，自动组合提取特征。

clf = CatBoostClassifier(iterations=15,depth=5,learning_rate=1,loss_function='Logloss', logging_level='Verbose')
clf.fit(train_data, train_label)
clf.save_model('catboost.model')
end1 = time.time()
print('********************训练处理时间：**********', end1 - start)
print('**************训练结束，开始验证******************************')
pre = clf.predict(dev_data)
evaluate(model_type, pre, dev_label)
end2 = time.time()
print('********************测试处理时间：**********', end2 - end1)

特征选择

股价预测的核心是选择能够找到反映预期的特征。目前主要使用的特征有：历史数据，技术指标，宏观经济指标，交易数据，财务数据，舆情数据等等。

历史数据
常见的历史数据主要是股票的开盘价，收盘价，最高价和最低价（OCHL）。
常见的数据来源有：WIND数据库，JQDATA,Choice等

技术指标
预测长期股价趋势主要采取MACD等指标，短期可采取十字星等。
聚宽可直接用API调取，但是调取速度太慢，数据量有限制。Ta-lib提供常见的技术指标接口。

宏观经济指标
常见的数据来源有：WIND数据库，JQDATA,Choice等

交易数据
聚宽，wind数据库提供接口。

财务数据
聚宽，wind数据库提供接口。

舆情数据
通过情绪提取，提取新闻的情绪方向作为股价特征之一。
常见的数据来源：新闻网站，聚宽，tushare。