聚宽源码61

程序化小学生

于 2019-12-11 12:27:25 发布

阅读量443

点赞数 3

分类专栏： PYTHON 文章标签：机器学习SVM用法示例策略

本文链接：https://blog.csdn.net/weixin_45131220/article/details/103490324

版权

该策略通过Python的sklearn库实现SVM（支持向量机）进行股票预测。在初始化阶段设置标的股票和基准，然后每日开盘时运行trade_func函数，根据SVM_prediction的预测结果决定买入或卖出。SVM_prediction函数中，提取历史数据并计算特征值，包括收盘价、现量、最高价、最低价与平均值的比率，以及成交量比和收益率等。

摘要由CSDN通过智能技术生成

原文策略源码如下：
#机器学习SVM用法示例策略
from sklearn import svm
import numpy as np

#初始化
def initialize(context):
#设置标的
g.stock = ‘600085.XSHG’
#设置基准
set_benchmark(g.stock)
#过滤掉order系列API产生的比error级别低的log
log.set_level(‘order’, ‘error’)
#设置数据长度
g.days = 22
#设置定时任务
run_weekly(trade_func,3, time=‘open’)
#定时任务函数
def trade_func(context):
prediction = svm_prediction(context)
if prediction == 1:
cash = context.portfolio.total_value
order_target_value(g.stock,cash)
else:
order_target_value(g.stock,0)

#结果预测
def svm_prediction(context):
#获取标的的历史数据
stock_data = get_price(g.stock, frequency=‘1d’,end_date=context.previous_date,count=252)
date_value = stock_data.index
close = stock_data[‘close’].values
#用于记录日期的列表
date_list = []
# 获取行情日期列表
#转换日期格式