振幅和成交量的關系
阿新 • • 發佈:2017-07-08
n) valid () image 每日 .cn wid ros splay
用廣晟有色的歷史數據,用sklearn進行回歸,數據如下:
假設每日振幅和成交量以及價格是有關系的,於是構造:
# coding=utf-8 from pandas import Series,DataFrame import pandas as pd import numpy as np from datetime import datetime import tushare as ts from sklearn import datasets, linear_model df=pd.read_csv(‘data.csv‘) X=df[[‘open‘,‘volume‘]] y=df[‘high‘]-df[‘low‘] from sklearn.cross_validation importtrain_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=1) from sklearn.linear_model import LinearRegression linreg = LinearRegression() linreg.fit(X_train,y_train) print linreg.intercept_ print linreg.coef_ print "振幅=%f+%f價格+%f成交量"%(linreg.intercept_,linreg.coef_[0],linreg.coef_[1]) #模型擬合測試集 y_pred = linreg.predict(X_test) from sklearn importmetrics # 用scikit-learn計算MSE print "MSE:",metrics.mean_squared_error(y_test, y_pred) # 用scikit-learn計算RMSE print "RMSE:",np.sqrt(metrics.mean_squared_error(y_test, y_pred))
輸出:
-0.542840729241 [ 2.91283661e-02 1.89720767e-05] 振幅=-0.542841+0.029128價格+0.000019成交量 MSE: 1.16361481737 RMSE: 1.07870979293
但是,按說應該跟成交量關系更大一些,等我把數據處理了繼續研究。
程序基本照抄http://www.cnblogs.com/pinard/p/6016029.html
原來打算只研究成交量和價格的關系,但報錯,原因好像是0.17版後,變量不能是一個維度啥的,所以把價格也加進來了。
振幅和成交量的關系