Python量化交易进阶讲堂-线性回归拟合股价沉浮

在《Python实战-构建基于股票的量化交易系统》小册子中，咱们 对浙大网新这只股票进行了线性回归分析，获得了回归直线，以下所示：

因为线性回归做用于股票收盘价的整个周期，所以选择合适的时间段很是重要。好比以高鸿股份为例，如下是它从2018一全年的走势图，以下所示：

从图中能够看到2018年4月10月是单边降低趋势，而从10月份开始转为上升趋势。那么咱们分别对这两段周期作线性回归后发现，单边降低通道的拟合直线角度为-0.97度，而上升通道拟合直线角度为1.5度，股价的拟合直线角度从-0.97度至1.5度的转变过程，其实也是由跌转涨的过程。

在制定量化交易策略时有一种方式是寻找现象中的特征，根据特征去生成交易条件。那么这里给你们一个衍生的策略思路，既然线性回归做用于股票收盘价的整个周期，先后两段彻底相反的周期会彼此做用，最终影响拟合的角度值，咱们能够设定窗口期用移动窗口的方式拟合股票的走势。部分代码以下：（能够在小册交流群中获取）

def fit_price(self, symbols, cycle=30, show=True):
    for index, stockName in enumerate(symbols.keys()):
        #kl_pd = getdata #参考fit_pick()方法，此处略
        kl_pd.fillna(method='bfill', inplace=True) 
        for kl_index in np.arange(0, kl_pd.shape[0]):
            if kl_index >= cycle:
                kl_pd.loc[kl_pd.index[kl_index], "ang"], x, reg_y_fit, y_arr = self.calc_regress_deg(kl_pd.Close[kl_index-cycle:kl_index])                  print(kl_pd.index[kl_index],kl_pd.iloc[kl_index, kl_pd.columns.get_loc("ang")])
        if show:
            kl_pd.fillna(method='bfill', inplace=True)
            plt.plot(np.arange(0, len(kl_pd.index)), kl_pd.ang)

    plt.title('compare ang')
    plt.legend(symbols.keys(), loc='best')
    plt.show()

复制代码

执行该代码examp_trade.fit_price(pick_stocks)生成浙大网新、高鸿股份、开山股份、水晶光电四只股票的收盘价移动线性回归曲线图，能够发现角度曲线的拐点预示开始反转为新一轮的走势。以下所示：

把移动线性回归拟合曲线增长到显示界面中，箭头所指示的位置做为买卖点目前来看是有必定的盈利特征的，不过此处只是为了扩展你们的思路达到教学目的而设定的策略，你们能够在这个基础上展开更多股票和周期的回测以验证策略的可靠性。以下所示：

关于完整代码能够加入小册交流群获取。更多的量化交易内容欢迎你们订阅小册阅读！！