关于数据挖掘:python用线性回归预测时间序列股票价格附代码数据

最近咱们被客户要求撰写对于线性回归预测股票价格的钻研报告，包含一些图形和统计输入。

线性回归在整个财务中广泛应用于泛滥应用程序中。在之前的教程中，咱们应用一般最小二乘法（OLS）计算了公司的 beta 与绝对索引的比拟。当初，咱们将应用线性回归来预计股票价格

线性回归是一种用于模仿因变量（y）和自变量（x）之间关系的办法。通过简略的线性回归，只有一个自变量 x。可能有许多独立变量属于多元线性回归的领域。在这种状况下，咱们只有一个自变量即日期。对于第一个日期回升到日期向量长度的整数，该日期将由 1 开始的整数示意，该日期能够依据工夫序列数据而变动。当然，咱们的因变量将是股票的价格。为了了解线性回归，您必须理解您可能在学校晚期学到的相当根本的等式。

y = a + bx

Y = 预测值或因变量
b = 线的斜率
x = 系数或自变量
a = y 截距

从实质上讲，这将形成咱们对数据的最佳拟合。在 OLS 过程中通过数据集绘制了大量线条。该过程的指标是找到最佳拟合线，最小化平方误差和（SSE）与股票价格（y）的理论值以及咱们在数据集中所有点的预测股票价格。这由下图示意。对于绘制的每条线，数据集中的每个点与模型输入的相应预测值之间存在差别。将这些差别中的每一个加起来并平方以产生平方和。从列表中，咱们采纳最小值导致咱们的最佳匹配线。思考下图：

from matplotlib import style

from sklearn.linear_model import LinearRegression

from sklearn.model_selection import train_test_split

import quandl

import datetime

style.use('ggplot')

#日期

start_date = datetime.date(2017,1,3)

t_date=start_date, end_date=end_date, collapse="daily")

df = df.reset_index()

prices = np.reshape(prices, (len(prices), 1))

  linewidth=3, label = 'Predicted Price') #绘制线性回归线

plt.title('Linear Regression | Time vs. Price')

plt.legend()

predicted_price =regressor.predict(date)

输入：

点击题目查阅往期内容

R 语言用 logistic 逻辑回归和 AFRIMA、ARIMA 工夫序列模型预测世界人口

左右滑动查看更多

预测日期输出价格：

 xtrain, x , ytrain)

#训练

plt.title('Linear Regression | Time vs. Price')

#测试集图

plt.scatter(xtest, ytest, color='yellow', label= 'Actual Price') #绘制初始数据点

plt.plot(xtest, regressor.predict(xtest), color='blue', linewidth=3, label = 'Predicted Price') #绘图

plt.show()

测试集：

点击文末 “浏览原文”

获取全文残缺代码数据资料。

本文选自《python 用线性回归预测工夫序列股票价格》。

点击题目查阅往期内容

R 语言工夫序列：ARIMA / GARCH 模型的交易策略在外汇市场预测利用
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格
R 语言用 Garch 模型和回归模型对股票价格剖析
R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略
R 语言 ARMA GARCH COPULA 模型拟合股票收益率工夫序列和模仿可视化
ARMA-GARCH-COPULA 模型和金融工夫序列案例
工夫序列剖析：ARIMA GARCH 模型剖析股票价格数据
GJR-GARCH 和 GARCH 稳定率预测普尔指数工夫序列和 Mincer Zarnowitz 回归、DM 测验、JB 测验
【视频】工夫序列剖析：ARIMA-ARCH / GARCH 模型剖析股票价格
工夫序列 GARCH 模型剖析股市稳定率
PYTHON 用 GARCH、离散随机稳定率模型 DSV 模仿预计股票收益工夫序列与蒙特卡洛可视化
极值实践 EVT、POT 超阈值、GARCH 模型剖析股票指数 VaR、条件 CVaR：多元化投资组合预测危险测度剖析
Garch 稳定率预测的区制转移交易策略
金融工夫序列模型 ARIMA 和 GARCH 在股票市场预测利用
工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格
R 语言危险价值：ARIMA，GARCH，Delta-normal 法滚动预计 VaR（Value at Risk）和回测剖析股票数据
R 语言 GARCH 建模罕用软件包比拟、拟合规范普尔 SP 500 指数稳定率工夫序列和预测可视化
Python 金融工夫序列模型 ARIMA 和 GARCH 在股票市场预测利用
MATLAB 用 GARCH 模型对股票市场收益率工夫序列稳定的拟合与预测 R 语言 GARCH-DCC 模型和 DCC（MVT）建模预计
Python 用 ARIMA、GARCH 模型预测剖析股票市场收益率工夫序列
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格
R 语言 ARIMA-GARCH 稳定率模型预测股票市场苹果公司日收益率工夫序列
Python 应用 GARCH，EGARCH，GJR-GARCH 模型和蒙特卡洛模仿进行股价预测
R 语言工夫序列 GARCH 模型剖析股市稳定率
R 语言 ARMA-EGARCH 模型、集成预测算法对 SPX 理论稳定率进行预测
matlab 实现 MCMC 的马尔可夫转换 ARMA – GARCH 模型预计
Python 应用 GARCH，EGARCH，GJR-GARCH 模型和蒙特卡洛模仿进行股价预测
应用 R 语言对 S&P500 股票指数进行 ARIMA + GARCH 交易策略
R 语言用多元 ARMA,GARCH ,EWMA, ETS, 随机稳定率 SV 模型对金融工夫序列数据建模
R 语言股票市场指数：ARMA-GARCH 模型和对数收益率数据探索性剖析
R 语言多元 Copula GARCH 模型工夫序列预测
R 语言应用多元 AR-GARCH 模型掂量市场危险
R 语言中的工夫序列分析模型：ARIMA-ARCH / GARCH 模型剖析股票价格
R 语言用 Garch 模型和回归模型对股票价格剖析
GARCH（1,1），MA 以及历史模拟法的 VaR 比拟
matlab 预计 arma garch 条件均值和方差模型 R 语言 POT 超阈值模型和极值实践 EVT 剖析

关于数据挖掘:python用线性回归预测时间序列股票价格附代码数据

原文参考：http://tecdat.cn/?p=4516

第一局部：获取数据：

第二局部：创立一个回归对象：

创立训练 / 测试集

输入：