股票分析，利用线性回归实时预测股价，只需要提供股票代码即可爬取相应股票数据并建模

最新推荐文章于 2024-04-17 18:37:50 发布

林丿子轩

最新推荐文章于 2024-04-17 18:37:50 发布

阅读量5.3k

点赞数 2

分类专栏： CV—Sklean 文章标签： python 机器学习深度学习

本文链接：https://blog.csdn.net/weixin_43005832/article/details/123784392

版权

CV—Sklean 专栏收录该内容

14 篇文章 3 订阅

订阅专栏

这里参考了别人的代码，并引用了tushare模块中定义的接口自动获取了依据股票代码来获取数据
此篇文章提供了
1.一个简单通过接口爬取csv数据的方法
2.一个处理csv数据的简单方法
3.依据数据进行特征提取建立简单的股价预测模型

如下：
使用的话只需要修改对应的股票代码即可
我这里使用的是 300015 爱尔眼科的股票代码


import numpy as np
import pandas as pd  # 数据处理, 读取 CSV 文件
import matplotlib.pyplot as plt
import tushare as ts
from plotly.offline import init_notebook_mode, iplot, iplot_mpl
import plotly.graph_objs as go
from sklearn.linear_model import LinearRegression
from sklearn import preprocessing
import sklearn

# 000001 为平安银行
# 获取股票的数据
# 如果你还没有安装, 可以使用 pip install tushare 安装tushare python包

Stock_Code = 300015  #爱尔眼科


df = ts.get_hist_data(f'{Stock_Code}')

df.to_csv(f'{Stock_Code}.csv')
df = pd.read_csv(f'./{Stock_Code}.csv')

print(np.shape(df))
print(df[0:10])
df.head()

'''股票数据的特征
*date：日期
*open：开盘价
*high：最高价
*close：收盘价
*low：最低价
*volume：成交量
*price_change：价格变动
*p_change：涨跌幅
*ma5：5
日均价
*ma10：10
日均价
*ma20: 20
日均价
*v_ma5: 5
日均量
*v_ma10: 10
日均量
*v_ma20: 20
日均量
'''

本接口即将停止更新，请尽快使用Pro版接口：https://tushare.pro/document/2
(600, 15)
         date   open   high  close    low      volume  price_change  p_change  \
0  2022-03-25  30.51  31.22  29.66  29.50   556807.50         -0.85     -2.79   
1  2022-03-24  29.37  31.00  30.51  29.17   734351.69          0.78      2.62   
2  2022-03-23  28.28  29.95  29.73  28.04   712581.62          1.70      6.07   
3  2022-03-22  28.20  28.64  28.03  27.95   327752.81         -0.46     -1.61   
4  2022-03-21  28.83  28.90  28.49  28.11   400047.69         -0.12     -0.42   
5  2022-03-18  29.01  29.19  28.61  27.91   782520.00         -0.84     -2.85   
6  2022-03-17  28.00  30.44  29.45  28.00  1401702.38          2.18      7.99   
7  2022-03-16  26.84  27.38  27.27  25.28  1626294.12          0.33      1.23   
8  2022-03-15  30.00  30.70  26.94  25.02  1815843.62         -3.47    -11.41   
9  2022-03-14  31.87  32.20  30.41  30.10   518120.59         -2.09     -6.43   

      ma5    ma10    ma20       v_ma5     v_ma10     v_ma20  turnover  
0  29.284  28.910  31.459   546308.26  887602.20  633485.26      1.25  
1  29.074  29.194  31.745   591450.76  863570.32  639080.99      1.65  
2  28.862  29.347  31.892   724920.90  827310.41  621764.07      1.60  
3  28.370  29.530  32.132   907663.40  806734.83  599018.34      0.74  
4  28.152  30.028  32.434  1205281.56  814264.94  595898.22      0.90  
5  28.536  30.444  32.735  1228896.14  827720.85  589260.22      1.76  
6  29.314  31.081  33.057  1135689.89  774035.25  559168.78      3.14  
7  29.832  31.657  33.334   929699.92  656945.54  501548.91      3.65  
8  30.690  32.486  33.718   705806.27  518786.47  437122.81      4.07  
9  31.904  33.423  34.131   423248.32  367355.32  385054.37      1.16  





'股票数据的特征\n*date：日期\n*open：开盘价\n*high：最高价\n*close：收盘价\n*low：最低价\n*volume：成交量\n*price_change：价格变动\n*p_change：涨跌幅\n*ma5：5\n日均价\n*ma10：10\n日均价\n*ma20: 20\n日均价\n*v_ma5: 5\n日均量\n*v_ma10: 10\n日均量\n*v_ma20: 20\n日均量\n'

将日期的键值的类型从字符串转为日期

df['date'] = pd.to_datetime(df['date'])
categories = {'volume','v_ma5','v_ma10','v_ma20'}
'''数值大小尽量统一化'''
for cate in categories:
    df[cate] = df[cate]/10000


df = df.set_index('date')
# 按照时间升序排列
df.sort_values(by=['date'], inplace=True, ascending=True )
df.tail()

	open	high	close	low	volume	price_change	p_change	ma5	ma10	ma20	v_ma5	v_ma10	v_ma20	turnover
date
2022-03-21	28.83	28.90	28.49	28.11	40.004769	-0.12	-0.42	28.152	30.028	32.434	120.528156	81.426494	59.589822	0.90
2022-03-22	28.20	28.64	28.03	27.95	32.775281	-0.46	-1.61	28.370	29.530	32.132	90.766340	80.673483	59.901834	0.74
2022-03-23	28.28	29.95	29.73	28.04	71.258162	1.70	6.07	28.862	29.347	31.892	72.492090	82.731041	62.176407	1.60
2022-03-24	29.37	31.00	30.51	29.17	73.435169	0.78	2.62	29.074	29.194	31.745	59.145076	86.357032	63.908099	1.65
2022-03-25	30.51	31.22	29.66	29.50	55.680750	-0.85	-2.79	29.284	28.910	31.459	54.630826	88.760220	63.348526	1.25

检测是否有缺失数据 NaNs

df.dropna(axis=0, inplace=True)#
df.isna().sum(),df.shape

(open            0
 high            0
 close           0
 low             0
 volume          0
 price_change    0
 p_change        0
 ma5             0
 ma10            0
 ma20            0
 v_ma5           0
 v_ma10          0
 v_ma20          0
 turnover        0
 dtype: int64,
 (600, 14))

K线图

Min_date = df.index.min()
Max_date = df.index.max()
print("First date is", Min_date)
print("Last date is", Max_date)
print(Max_date - Min_date)
# %%

init_notebook_mode()


trace = go.Ohlc(x=df.index, open=df['open'], high=df['high'], low=df['low'], close=df['close'])
data = [trace]


iplot(data, filename='simple_ohlc')

运行出来的这个其实是个demo 并不是图片，可以点击查看具体数据
这里为了显示正常只是截图使用
在这里插入图片描述

线性回归


# 创建新的列, 包含预测值, 根据当前的数据预测5天以后的收盘价

date = "2022-03-15'"
num = 30  # 预测date  num天后的情况

df['label'] = df['close']# 预测值  每天的最终股票价格

丢弃 ‘label’, ‘price_change’, ‘p_change’, 不需要它们做预测

Data = df.drop(['label', 'price_change', 'p_change'], axis=1)
print(Data.tail() )
X = Data.values
X = preprocessing.scale(X)

df.dropna(inplace=True)
Target = df.label
y = Target.values


print(np.shape(X), np.shape(y))
'''x 特征，y 股价'''

             open   high  close    low     volume     ma5    ma10    ma20  \
date                                                                        
2022-03-21  28.83  28.90  28.49  28.11  40.004769  28.152  30.028  32.434   
2022-03-22  28.20  28.64  28.03  27.95  32.775281  28.370  29.530  32.132   
2022-03-23  28.28  29.95  29.73  28.04  71.258162  28.862  29.347  31.892   
2022-03-24  29.37  31.00  30.51  29.17  73.435169  29.074  29.194  31.745   
2022-03-25  30.51  31.22  29.66  29.50  55.680750  29.284  28.910  31.459   

                 v_ma5     v_ma10     v_ma20  turnover  
date                                                    
2022-03-21  120.528156  81.426494  59.589822      0.90  
2022-03-22   90.766340  80.673483  59.901834      0.74  
2022-03-23   72.492090  82.731041  62.176407      1.60  
2022-03-24   59.145076  86.357032  63.908099      1.65  
2022-03-25   54.630826  88.760220  63.348526      1.25  
(600, 12) (600,)





'x 特征，y 股价'

# 将数据分为训练数据和测试数据
X_train, X_test,  y_train ,y_test= sklearn.model_selection.train_test_split(X,y,test_size=0.1,random_state=42)
# %%
lr = LinearRegression()
lr.fit(X_train, y_train)

lr.score(X_train,y_train),lr.score(X_test, y_test) # 使用绝对系数 R^2 评估模型

(1.0, 1.0)

做预测

此处使用的特征是最近num天的特征，而目前使用的数据是之前的特征量，由于归一化，
实际上若真要预测，首先要预测这些特征的值随时间变化的概率

X_Predict = X[-num:]
Forecast = lr.predict(X_Predict)
print(Forecast.shape)
print(y[-num:].shape)
print(X_Predict.shape)

(30,)
(30,)
(30, 12)

### 画预测结果

# 预测
trange = pd.date_range(f'{date}', periods=num, freq='d')
print(trange)

# 产生预测值dataframe
Predict_df = pd.DataFrame(Forecast, index=trange)
Predict_df.columns = ['forecast']
Predict_df

# 将预测值添加到原始dataframe
df = pd.read_csv(f'./{Stock_Code}.csv')
df['date'] = pd.to_datetime(df['date'])
df = df.set_index('date')

# 按照时间升序排列
df.sort_values(by=['date'], inplace=True, ascending=True)
df_concat = pd.concat([df, Predict_df], axis=1)

df_concat = df_concat[df_concat.index.isin(Predict_df.index)]
df_concat.shape

DatetimeIndex(['2022-03-15', '2022-03-16', '2022-03-17', '2022-03-18',
               '2022-03-19', '2022-03-20', '2022-03-21', '2022-03-22',
               '2022-03-23', '2022-03-24', '2022-03-25', '2022-03-26',
               '2022-03-27', '2022-03-28', '2022-03-29', '2022-03-30',
               '2022-03-31', '2022-04-01', '2022-04-02', '2022-04-03',
               '2022-04-04', '2022-04-05', '2022-04-06', '2022-04-07',
               '2022-04-08', '2022-04-09', '2022-04-10', '2022-04-11',
               '2022-04-12', '2022-04-13'],
              dtype='datetime64[ns]', freq='D')





(30, 15)

画预测值和实际值

df_concat['close'].plot(color='green', linewidth=1)
df_concat['forecast'].plot(color='orange', linewidth=3)
plt.xlabel('Time')
plt.ylabel('Price')
plt.legend()
plt.show()

这个图片之所以不连续，，因为周六，周日，股市不开业

在这里插入图片描述

问题：
预测的特征是按照最近几天的特征来写的
未深入分析会影响到股价的特征

可能的改进措施：
建立13个特征随时间变化的回归模型
再依据由13个模型预测的数值统筹为特征量再预测。
引入股票分析，金融分析的其他方法到机器学习特征中来。
未深入研究了，点到为止。。。

其他文章
Glcm 灰度共生矩阵，保姆级别教程,带源码
 SVM支持向量机自动调优,带源码
 HOG特征+SVM 进行行人检测,带源码，异常处理
 Sober算子边缘检测与Harris角点检测1

参考文献
线性回归-股票预测

林丿子轩

关注

2
点赞
踩
59

收藏

觉得还不错? 一键收藏
打赏
4
评论
股票分析，利用线性回归实时预测股价，只需要提供股票代码即可爬取相应股票数据并建模

这里参考了别人的代码，并引用了tushare模块中定义的接口自动获取了依据股票代码来获取数据使用的话只需要修改对应的股票代码即可此篇文章提供了1.一个简单通过接口爬取csv数据的方法2.一个处理csv数据的简单方法3.依据数据进行特征提取建立简单的股价预测模型
复制链接

扫一扫