【Python】Yahoo股票时间序列预测

最新推荐文章于 2025-02-18 14:14:59 发布

Carrie Geogre

最新推荐文章于 2025-02-18 14:14:59 发布

阅读量1.6k

点赞数

分类专栏：数据抓取数据分析文章标签：数据分析

本文链接：https://blog.csdn.net/weixin_43356605/article/details/84795618

版权

使用Python抓取并分析2014-2018年的股票数据，通过时间序列建模预测2018年12月到2019年11月的交易量，结果显示该期间交易量呈现波动上涨趋势，特别是在1月、4月、10月和11月变化显著，据此给出了买卖建议。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

流程：（1）抓取数据；（2）建模；（3）分析。

1.抓取数据：

环境：IPython3；

import pandas_datareader as data
df={'谷歌':'GOOG'}
start_data='2014-12-01'
end_data='2018-12-01'
GOOGDf=data.get_data_yahoo(df['谷歌'],start_data,end_data)
# GOOGDf.head() #查看头部数据
# GOOGDf.tail() #查看尾部数据
# GOOGDf.shape #查看数据规模
# GOOGDf.describe() #查看整体数据状况
GOOGDf.to_csv("GOOG.csv",sep=' ')

2.时间序列建模：
根据2014-2018年数据，预测股票未来一年的交易量：

import pandas as pd
from pandas import datetime
from sklearn.metrics import mean_squared_error
from math import sqrt
from matplotlib import pyplot
def parser(x):
	return datetime.strptime('201'+x, '%Y-%m')
series =pd.read_csv('GOOG'.csv', header=0, parse_dates=[0], index_col=0, squeeze=T