原文参考：http://tecdat.cn/?p=4516

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：

第一局部：获取数据：

from matplotlib import stylefrom sklearn.linear_model import LinearRegressionfrom sklearn.model_selection import train_test_splitimport quandlimport datetimestyle.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))

第二局部：创立一个回归对象：

  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

01

02

03

04

预测日期输出价格：

创立训练/测试集

 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()

输入：

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