基于股票数据的多元线性回归分析

数据:https://download.csdn.net/download/qq_38735017/16083232

多元线性回归分析理论参考博客:https://www.wwwbuild.net/python-china/20079.html

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")#忽略一些警告 不影响运行 
%matplotlib inline
import numpy as np
import pandas as pd
import statsmodels.api as sm

data=pd.read_csv("600519.csv",encoding='gbk')
data.head()

data.drop(['股票代码','名称','日期',],axis=1, inplace=True) # 删除操作  # '涨跌额','涨跌幅','成交金额','总市值','流通市值','成交量','换手率'
data.columns


# 两类相关性分析
plt.figure(figsize=(16,8))
plt.title("收盘价和前收盘相关性图")
sns.scatterplot(list(data["收盘价"]),list(data["前收盘"]))
plt.show()

# 散点图
plt.
  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
基于多元线性回归股票分析与预测是使用Python进行的一种股票分析方法。在这种方法中,我们使用多个变量作为自变量,来预测股票价格作为因变量。通过分析和建模这些变量之间的关系,可以预测股票价格的走势。 首先,我们需要收集相关的数据,如股票价格、交易量、市场指数、公司财务数据等,作为自变量。然后,我们可以使用Python中的数据处理库(如pandas)来对数据进行清洗、整理和处理,以使其适用于建模。 接下来,我们使用Python中的机器学习库(如scikit-learn)来构建多元线性回归模型。通过拟合这个模型,我们可以获得各个自变量对因变量的权重系数,从而判断它们对股票价格的影响程度。 在建模之后,我们可以使用模型来进行预测。首先,我们需要提供新的自变量数据,如最近一段时间的市场指数、交易量等。然后,通过将这些数据输入到模型中,可以预测股票价格的变化趋势。 最后,我们可以使用Python中的可视化库(如matplotlib)来绘制预测结果和实际数据的对比图。通过观察这些图表,可以评估模型的准确性和可靠性。 总的来说,基于多元线性回归股票分析与预测是一种使用Python进行股票分析的方法。它能够帮助我们理解各个变量之间的关系,并通过构建一个模型来预测股票价格的变化趋势。这种方法是基于大量历史数据和统计方法的,只能提供一种预测的参考,不能保证100%准确性。因此,在进行实际投资决策时,还需要综合考虑其他因素。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

甜辣uu

谢谢关注再接再厉

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值