tsfresh学习

神出鬼没，指的就是我!

于 2023-07-22 22:42:19 发布

阅读量162

点赞数

分类专栏： python 收费专栏量化文章标签：学习

本文链接：https://blog.csdn.net/qq_26742269/article/details/131873468

版权

收费专栏同时被 3 个专栏收录

6 篇文章 0 订阅 ¥299.90 ¥399.90

订阅专栏

超级会员免费看

量化

117 篇文章 88 订阅

订阅专栏

python

68 篇文章 14 订阅

订阅专栏

本文介绍了tsfresh库的使用，强调其作为talib的升级版，用于从时间序列数据中提取特征。通过实例展示了如何导入数据、计算指标，特别是利用滚动技术处理时间序列，确保每个交易日都有样本。接着，文章提到了训练SVM模型的过程，包括因子的有效性筛选和模型的评估。最后，讨论了如何根据模型预测结果计算投资策略的收益率，展示择时策略的效果。

摘要由CSDN通过智能技术生成

tsfresh今天认真看了一遍，就是一个talib集成包（升级版）。

获得基础因子数据，然后放入写好的所有的函数中，计算新的因子，注意，他只能单个因子，如果用两个参数的函数，无效。相信大家都明白意思了吧。

因子生成的原理是，tsfresh预置了783个算子(calculator)，会逐个用在每一个交易日的基础因子数值序列上，这就相当于孙悟空拔一根猴毛下来，
能变出783个形态各异的化身，相同计算公式不同单参数也算1个，11乘以783就是8613，具体的算子计算公式请见官方文档：

https://tsfresh.readthedocs.io/en/latest/text/list_of_features.html

举例，talib中有一个atr函数，用到了OHLC四个价格，tsfresh是计算不了，因为他只能使用一个因子。

现在正式进入学习环节：

导包：

import datetime
start_time = datetime.datetime.now() #开始时间

# 核心代码部分
from tsfresh import extract_features
from tsfresh.utilities.dataframe_functions import roll_t