股票分析(决策树）+Pycharm

1. 实验内容

决策树是一种用于分类和回归的非参数监督学习方法，作用是创建一个模型，通过从数据特征中推断出的简单决策规则来预测目标变量的值。

数据描述

部分股票数据如下：

该只股票数据包含了代码、日期、收盘点位、开盘点位、最高点位、最低点位、昨日收盘点、涨跌点、涨跌幅、成交量、成交额11种指标。

​​​​​​​要求

1.对数据进行审查，查看是否有缺失值。

2.1990-2020年该股票成交量的时间序列图。

3.2015-2020年该股票的成交量和收盘点位的时间序列图。

4.2018-2020年该股票的成交量与最高点位、最低点位、涨跌点、涨跌幅作相关性分析。

5.用决策树进行预测威力的股票涨跌情况，并输出预测结果的正确率。

1. 分析过程
2.  导入数据并查看

要得到数据的详细信息，需要编写的代码如下：

import pandas as pd

import matplotlib.pyplot as plt

# 解决中文乱码问题

plt.rcParams["font.sans-serif"] = "SimHei"

# 特殊符号  ——

plt.rcParams["axes.unicode_minus"] = False

data = pd.read_excel('./股票.xls')

df = data[['日期','收盘点位','开盘点位','最高点位','最低点位','昨日收盘点','涨跌点','涨跌幅%','成交量(手)','成交额(千元)']]

print(data.describe().round(4).T)

查看数据情况：

1. 1.  查看数据是否有缺失值

为了获取更多的数据信息，.info()方法告诉我们该数据一共7235行，且没有缺失值，代码如下所示：

print('{:*^60}'.format('数据样本：统计描述'))

print(df.info())

数据情况如下：

由上图可看出日期、收盘点位、开盘点位等数据相同，可知数据无缺失值。

1. 1.  1990-2020年该股票成交量的时间序列图

绘制股票1990到2020年的日成交量的时间序列图。以时间为横坐标，每日的成交量为纵坐标，作折线图，可观查股票成交量随时间的变化情况。代码如下：

import matplotlib.pyplot as plt

data['成交量(手)'].plot(grid=True,color='red',label='000001.SH')

plt.title('1990-2020 成交量', fontsize='9')

plt.ylabel('成交量', fontsize='8')

plt.xlabel('日期', fontsize='8')

plt.legend(loc='best',fontsize='small')

plt.show()

1990-2020年成交量如下图：

1. 1.  2015-2020年该股票的成交量和收盘价的时间序列图

绘制股票2015到2020年的成交量和收盘价的时间序列图，为了能同时观察这两种数据的差异，所以采用两套纵坐标系作图，代码如下：

#2015到2020的成交额

data.index.name='date' #日期为索引列

#对股票数据的列名重新命名

data.columns=['code','date','close','open','high','low','closed','up_down_point','up_down_wave','submit_amount','volume']

data=data.loc['2015':'2020']  #获取某个时间段内的时间序列数据

data[['close','volume']].plot(secondary_y='volume',grid=True)

plt.title('2015-2020 收盘位点和成交额', fontsize='9')

plt.show()

2015-2020年该股票的成交量和收盘点位如下：

1. 1.  2018-2020年该股票的成交量与最高点位、最低点位、涨跌点、涨跌幅作相关性分析。

挑选股票的成交量与开盘点位、收盘点位、涨跌点、涨跌幅，并使用pandas.scatter_matrix()函数，将各项指标数据两两关联作散点图，对角线是每个指标数据的直方图。代码如下：

from pandas.plotting import scatter_matrix

#对股票数据的列名重新命名

data.columns=['code','date','close','open','high','low','closed','point','wave','submit_amount','volume']

data=data.loc['2018':'2020']  #获取某个时间段内的时间序列数据

scatter_matrix(data[['volume','open','close','point','wave']])

plt.show()

2018-2020年该股票的成交量与开盘点位、收盘点位、涨跌点、涨跌幅相关性分析如下：

从图中可以明显发现成交量与开盘点位、收盘点位、涨跌点、涨跌幅无明显的线性关系。

1. 1.  用决策树进行预测股票涨跌情况，并输出预测结果的正确率。

代码如下：

from sklearn.model_selection import train_test_split

from sklearn.tree import DecisionTreeClassifier

from sklearn.metrics import accuracy_score

import pandas as pd

# 换手率 = 成交量 / 流通股本

df['换手率'] = df['成交量(手)'] / (df['成交额(千元)'] / df['收盘点位'])

df['20日波动率'] = df['收盘点位'].rolling(20).std()

df['收益率'] = df['收盘点位'] / df['昨日收盘点'] - 1

df['涨还是跌'] = '涨'

# 不涨不跌也是跌

df.loc[df['收益率']<=0, '涨还是跌'] = '跌'

df['下一天涨还是跌'] = df['涨还是跌'].shift(-1)

df = df[['日期', '收益率', '涨还是跌', '下一天涨还是跌', '换手率', '20日波动率']]

df.dropna(inplace=True)

df.reset_index(inplace=True, drop=True)

print(df)

# 划分训练和测试集，20%为训练集，随机种子为1（这里不考虑时间序列的问题，单纯考虑因子是否有效，现实中不能做到）

train_x, test_x, train_y, test_y = train_test_split(df[['换手率', '20日波动率']], df['下一天涨还是跌'], test_size=0.2, random_state=1)

model = DecisionTreeClassifier(max_depth=3)

model.fit(train_x, train_y)

pred_y = model.predict(test_x)

pred_df = pd.DataFrame()

pred_df['下一天涨还是跌'] = list(test_y)

pred_df['预测下一天涨还是跌'] = list(pred_y)

print(pred_df)

print('DT的涨跌预测准确率为:{:.4f}'.format(accuracy_score(pred_y, test_y)))

预测结果为：