标签：00 预测 df 平均 train Date Close 移动 data
近年来,随着全球经济与股市的快速发展,股票投资成为人们最常用的理财方式之一。本文研究的主要目标是利用机器学习技术,应用Python编程语言构建股票预测模型,对我国股票市场进行分析与预测。
今天主要来回顾的是 移动平均 参考机器之心的文章，对代码进行了中文的解释，同时加入了自己的见解
首先来处理一下数据，选用的是来自塔塔饮料的数据集，获取数据的方式可以查看 传送门
#import packages 导入pandas、numpy库
import pandas as pd
import numpy as np
#to plot within notebook 绘图的库，如果不是在jupytor里面运行的话第二行可以省略
import matplotlib.pyplot as plt
%matplotlib inline
#setting figure size设定画布大小
from matplotlib.pylab import rcParams
rcParams['figure.figsize'] = 20,10
#for normalizing data 数据归一化
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler(feature_range=(0, 1))
#read the file 读取文件夹，注意这里的数据集要放在同一个文件夹下面
df = pd.read_csv('NSE-TATAGLOBAL(1).csv')
#print the head 打印数据前几行
df.head()
可以观察到数据集中有多个变量——日期（date）、开盘价(open)、最高价(high)、最低价(low)、最后交易价(last)、收盘价(close)、总交易额(total_trade_quantity)和营业额(turnover)。
-
开盘价和收盘价代表股票在某一天交易的起始价和最终价。
-
最高价、最低价和最后交易价表示当天股票的最高价、最低价和最后交易价格。
-
交易总量是指当天买卖的股票数量，而营业额(Lacs)是指某一特定公司在某一特定日期的营业额。
要注意的另一点是，市场在周末和公共假期休市。注意上表缺失了一些日期值——2/10/2018、6/10/2018、7/10/2018。其中2号是国庆节，6号和7号是周末。
损益的计算通常由股票当日的收盘价决定，因此我们将收盘价作为目标变量。让我们画出目标变量来理解它在我们的数据集中的分布:
#setting index as date 把date这一列作为索引
df['Date'] = pd.to_datetime(df.Date,format='%Y-%m-%d')
df.index = df['Date']
#plot 打印收盘价（按照上面的索引来）
plt.figure(figsize=(16,8))
plt.plot(df['Close'], label='Close Price history')
接下来探索这些变量，并使用移动平均技术来预测股票的每日收盘价。
移动平均
利用一组先前观测值的平均值作为每天的预期收盘价，移动平均法使用最近的一组数据计算预测值。换句话说，对于后续的每个新的时间，在考虑预测值时，将从集合中删除最早的观测值，并加入上一个观测值。下面是一个简单的图，它将帮助您更清楚地理解这一点。
取黄色的部分的平均值作为黄色的下一个的预测，之后扔掉最开始的，把预测的上，继续预测再下一个区域，可以理解为一个固定的窗口的滑动，每次取窗口内的a v g，预测窗口后一个的值
第一步是创建一个只包含日期和收盘价列的数据框，然后将其拆分为训练集和验证集来验证我们的预测。
#creating dataframe with date and the target variable创建一个只包含日期和收盘价列的数据框
data = df.sort_index(ascending=True, axis=0)
new_data = pd.DataFrame(index=range(0,len(df)),columns=['Date', 'Close'])
# 将所有日期和收盘价列的数据放到一个list中来
for i in range(0,len(data)):
new_data['Date'][i] = data['Date'][i]
new_data['Close'][i] = data['Close'][i]
在将数据分割为训练和验证时，我们不能使用随机分割，因为这会破坏时间顺序。将去年的数据作为验证集，将之前4年的数据作为训练集。
#splitting into train and validation 数据分割为训练和验证集
train = new_data[:987]
valid = new_data[987:]
# 查看数据的情况（规模），和训练本身无关，可不执行
new_data.shape, train.shape, valid.shape
((1235, 2), (987, 2), (248, 2))
# 查看数据的情况（最大最小值），和训练本身无关，可不执行
train['Date'].min(), train['Date'].max(), valid['Date'].min(), valid['Date'].max()
(Timestamp('2013-10-08 00:00:00'),
Timestamp('2017-10-06 00:00:00'),
Timestamp('2017-10-09 00:00:00'),
Timestamp('2018-10-08 00:00:00'))
下一步是为验证集创建预测值，并使用真实值来检查RMSE误差。
#make predictions 为验证集创建预测值
preds = []
for i in range(0,248):
a = train['Close'][len(train)-248+i:].sum() + sum(preds)
b = a/248
preds.append(b)
#calculate rmse 计算RMSE误差。
rms=np.sqrt(np.mean(np.power((np.array(valid['Close'])-preds),2)))
rms
104.51415465984348
仅仅检查RMSE并不能帮助我们评估模型预测效果的。让我们通过做图得到更直观的理解。下面是预测值和实际值的曲线图。
#plot 画出训练的数据（绿线）、预测值（蓝线）与训练集的观测值（橙线）
#对于第一行的作用为什么是0不是很理解，如果有知道的大佬麻烦留言处指点迷津
valid['Predictions'] = 0
valid['Predictions'] = preds
plt.plot(train['Close'])
plt.plot(valid[['Close', 'Predictions']])
RMSE值接近105，但是结果不是很理想(从图中可以看出)。预测值与训练集的观测值的范围相同(开始有上升趋势，然后缓慢下降)。
参考：https://www.jiqizhixin.com/articles/2019-01-04-16
标签：00,预测,df,平均,train,Date,Close,移动,data 来源： https://www.cnblogs.com/xingnie/p/12232008.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。