股票价格波动

给你一支股票价格的数据流。数据流中每一条记录包含一个 时间戳 和该时间点股票对应的 价格 。

不巧的是,由于股票市场内在的波动性,股票价格记录可能不是按时间顺序到来的。某些情况下,有的记录可能是错的。如果两个有相同时间戳的记录出现在数据流中,前一条记录视为错误记录,后出现的记录 更正 前一条错误的记录。

请你设计一个算法,实现:

更新 股票在某一时间戳的股票价格,如果有之前同一时间戳的价格,这一操作将 更正 之前的错误价格。
找到当前记录里 最新股票价格 。最新股票价格 定义为时间戳最晚的股票价格。
找到当前记录里股票的 最高价格 。
找到当前记录里股票的 最低价格 。
请你实现 StockPrice 类:

StockPrice() 初始化对象,当前无股票价格记录。
void update(int timestamp, int price) 在时间点 timestamp 更新股票价格为 price 。
int current() 返回股票 最新价格 。
int maximum() 返回股票 最高价格 。
int minimum() 返回股票 最低价格 。

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/stock-price-fluctuation
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

利用HashMap存储时间戳的最新价格,利用TreeMap来存储股票价格及出现次数。当需要更新时,利用maxTimestamp来存储最大时间戳,设整数n来记录当前的时间戳对应的映射(价格),如果n不是null时,再取出其对应的价格出现次数,如果价格次数等于1,则删除价格对应的映射,后面在重新添加,如果出现的不至一次,则将次数减一。如果当前价格已经出现过,则将当前价格的次数加一,最后在重复添加同一个timestamp相当于更新price。

class StockPrice {
    //记录最大的时间戳
    int maxTimestamp;
    //存储时间戳股票最新价格
    HashMap<Integer,Integer>map;
    //存储股票价格及出现次数
    TreeMap<Integer,Integer>prices;
    public StockPrice() {
        map=new HashMap<>();
        prices=new TreeMap<>();
    }
    
    public void update(int timestamp, int price) {
        maxTimestamp=Math.max(maxTimestamp,timestamp);
        Integer n=map.get(timestamp);
        if(n!=null){
            Integer pr=prices.get(n);
            if(pr==1)
                prices.remove(n);
            else prices.put(n,pr-1);
        }
        prices.put(price,prices.getOrDefault(price,0)+1);
        map.put(timestamp,price);
    }
    
    public int current() {
        return map.get(maxTimestamp);
    }
    
    public int maximum() {
        return prices.lastKey();
    }
    
    public int minimum() {
        return prices.firstKey();
    }
}

/**
 * Your StockPrice object will be instantiated and called as such:
 * StockPrice obj = new StockPrice();
 * obj.update(timestamp,price);
 * int param_2 = obj.current();
 * int param_3 = obj.maximum();
 * int param_4 = obj.minimum();
 */

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Python中使用OLS(Ordinary Least Squares)回归模型预测股票价格变动可以采取以下步骤: 首先,我们需要导入相关的Python库,包括pandas用于数据处理,statsmodels用于建立OLS模型。 接着,我们要准备用于建模的数据集,可以使用pandas读取股票价格数据,通常包括股票价格、交易量、市场指数等变量。 然后,我们需要进行数据预处理,包括去除缺失值、处理异常值、进行特征工程等。这一步骤是为了确保数据的质量和准确性。 接下来,我们使用建模数据集来建立OLS模型。我们可以使用statsmodels库中的OLS函数,将股票价格变量作为因变量,其他相关变量作为自变量。 训练模型后,我们可以通过模型系数来评估不同变量对股票价格的影响程度。例如,如果一个变量的系数为正且显著,那么我们可以认为该变量与股票价格正相关。 最后,我们可以使用训练好的OLS模型来预测股票价格的变动。通过输入新的自变量数据,模型可以给出相应的预测结果。注意,预测结果应谨慎解释,因为股票价格受到多种复杂因素的影响,无法完全由一个简单的线性模型来解释。 需要注意的是,OLS回归模型是一种简单的线性模型,对于具有非线性关系的股票价格变动来说,可能存在较大误差。因此,在实际应用中,我们需要考虑使用更复杂的模型或者结合其他技术手段来提高预测效果。

“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
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