金融数值方法之回归计算-python实践

最新推荐文章于 2024-08-12 20:45:36 发布

马尔可夫宽

最新推荐文章于 2024-08-12 20:45:36 发布

阅读量2.1k

点赞数 3

文章标签：回归 python 金融量化

本文链接：https://blog.csdn.net/xiaowu1997/article/details/122902079

版权

本文介绍了金融领域常用的回归方法，通过Python代码详细展示了如何进行单项式回归、基函数回归以及处理有噪声、未排序和多维数据的回归计算，重点探讨了np.polyfit()、np.polyval()和np.linalg.lstsq()等函数的应用。

摘要由CSDN通过智能技术生成

python的回归学习

前言

回归和插值是金融中常用的两种数学方法，本章将介绍关于回归的一些常用方法和代码。

一、回归是什么

回归是一种高效的求解函数近似值的工具，不仅对一维函数适用，同样也适用于高维函数。

最小化回归问题表达如下：
在这里插入图片描述
在回归的计算中，常用的范式为np.polyfit()、np.polyval()、np.linalg.lstsq()。

二、回归计算的具体实现

首先进行一些准备工作

import numpy as np
import matplotlib.pyplot as plt
from pylab import plt,mpl
plt.style.use('seaborn')
mpl.rcParams['font.family']='serif'

def f(x):
    return np.sin(x)+0.5*x
def create_plot(x,y,styles,labels,axlabels):
    plt.figure(figsize=(12,10))
    for i in range(len(x)):
        plt.plot(x[i],y[i],styles[i],label=labels[i])
        plt.xlabel(axlabels[0])
        plt.ylabel(axlabels[1])
    plt.legend(loc=0)

x=np.linspace(-2*np.pi,2*np.pi,50)
create_plot([x],[f(x)],['r'],['f(x)'],['x','f(x)'])

得到一个自定义的函数，如下所示：
在这里插入图片描述

1.单项式的回归

res=np.polyfit(x,f(x),deg=1,full=True)
print(res)
print('-'*108)
print(res[0])

得到参数

(array([ 4.28841952e-01, -5.29906205e-17]), array([21.03238686]), 2, array([1., 1.]), 1.1102230246251565e-14)
------------------------------------------------------------------------------------------------------------
[ 4.28841952e-01 -5.29906205e-17]

使用回归参数求值：

ry=np.polyval(res[0],x)
ry

array([-2.69449345, -2.58451412, -2.4745348 , -2.36455548, -2.25457615,
       -2.14459683, -2.0346175 , -1.92463818, -1.81465885, -1.70467953,
       -1.5947002 , -1.48472088, -1.37474156, -1.26476223, -1.15478291,
       -1.04480358, -0.93482426, -0.82484493, -0.71486561, -0.60488628,
       -0.49490696, -0.38492764, -0.27494831, -0.16496899, -0.05498966,
        0.05498966,  0.16496899,  0.27494831,