PCA带你探索比亚迪股票价格的秘密

念兹在兹_3

已于 2024-07-16 15:58:06 修改

阅读量481

点赞数 22

文章标签：信息可视化

于 2024-07-16 15:24:42 首次发布

本文链接：https://blog.csdn.net/weixin_74241638/article/details/140466431

版权

引言：

不知不觉，我们的股票预测博客已经迎来了它的第三篇章。在前两期中，我采用了目前非常流行的卷积神经网络技术，针对2022至2024年比亚迪股票的价格数据进行了特征提取。随后，我利用了两种强大的预测模型——LSTM和XGBOOST——来对股票走势进行预测分析。

然而，近期我阅读了一些论文，它们探讨了机器学习算法在不同数据集上的表现，其中一些甚至显示出与传统方法相比的劣势。这激发了我尝试使用传统的PCA（主成分分析）方法来提取特征值的兴趣。在今天的分享中，我将向大家展示我最近完成的一个小型项目，并简要介绍PCA的基本概念，同时附上我编写的详细代码。

我希望通过这次分享，我们能够共同学习，共同进步，探索股票预测的更多可能性。

PCA

作用：

PCA通过选择新的特征（称为主成分），这些主成分是原始数据特征的线性组合。第一主成分是数据中方差最大的方向，即数据在该方向上的变异性最大。第二主成分是数据中方差次大的方向，并且与第一主成分正交。依此类推。这种选择方法确保每个新特征（主成分）都尽可能多地捕捉数据的变异性。
数据变异性：我个人理解就是在该维度下的数据泛化能力，泛化能力越好，说明这个特征越重要。

解释：

方差最大化：

PCA的目标是找到那些解释最多方差的方向。通过选择这些方向，PCA可以在减少维度的同时最大限度地保留数据的变异性。换句话说，虽然数据的维度减少了，但大部分重要的信息（即方差）被保留下来了。

正交变换：

主成分是彼此正交的，这意味着它们不相关。这种性质确保每个主成分捕捉到的数据变异性是不重复的，进一步保证了数据的方差被有效地保留。

意义：

降维：

高维数据常常包含大量特征，有些特征可能是冗余的或无关紧要的。PCA可以通过减少特征的数量来简化数据，这不仅减少了计算成本，还可能提高机器学习模型的性能。
去噪：

数据中可能包含噪声。PCA通过选择方差最大的方向，有效地过滤掉了那些变异性小的噪声成分，从而提高数据的质量。
数据可视化：

在高维空间中，数据的可视化非常困难。PCA通过将数据降维到2维或3维，使得数据的可视化成为可能，帮助我们更直观地理解数据的结构和模式。
提高模型性能：

在高维数据中，模型可能会过拟合，因为有太多的特征。通过PCA降维，可以减少特征的数量，从而减少过拟合的风险，提升模型的泛化能力。
特征提取：

PCA可以帮助识别数据中最重要的特征，提供一种新的视角来理解数据的内在结构。这在数据预处理和特征工程过程中非常有用。特别是在今天这个项目中，使用PCA分解，获取股票相关性。

代码演示：

导入必要包

import pandas as pd
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
import matplotlib.pyplot as plt
import pandas as pd
from datetime import datetime, timedelta

读取文件，以比亚迪的closed preice 作为目标

file_path = 'fin_sample.csv'
df = pd.read_csv(file_path)


byd_code = '002594.SZ'  # 比亚迪的股票代码
byd_data = df[df['Code'] == byd_code]


features = byd_data.drop(columns=['Code', 'Name', 'Date', 'Close'])
target = byd_data['Close']

# 标准化数据
scaler = StandardScaler()
scaled_features = scaler.fit_transform(features)

进行PCA分解，并且进行可视化

# 进行PCA分解
pca = PCA()
pca_features = pca.fit_transform(scaled_features)

# 可视化前两个主成分的结果
plt.figure(figsize=(10, 6))
plt.scatter(pca_features[:, 0], pca_features[:, 1], c=target, cmap='viridis')
plt.colorbar(label='Close Price')
plt.xlabel('Principal Component 1')
plt.ylabel('Principal Component 2')
plt.title('PCA of BYD Stock Data')
plt.show()

数据分割，保证测试集的纯净

# 分割数据为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(pca_features, target, test_size=0.2, random_state=42)

# 训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 进行预测
y_pred = model.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

进行预测和真实值可视化

# 可视化实际值和预测值的结果

# 生成日期范围，从2023年12月5日开始
start_date = datetime(2023, 12, 5)
date_range = [start_date + timedelta(days=i) for i in range(len(y_test_inverse))]

plt.figure(figsize=(10, 6))
plt.plot(y_test.values, label='Actual Values', color='blue')
plt.plot(y_pred, label='Predicted Values', color='red', linestyle='--')
plt.xlabel('Sample Index')
plt.ylabel('Close Price')
plt.title('Actual vs Predicted Close Prices')
plt.legend(loc = 'upper right')
plt.show()