数据游戏：预测3天后招商银行的股价

 

　　前阵子报名参加了一个数据比赛，题目是预测5月15号（星期三）招商银行的股价，截止时间是在5月12号（星期天）。在本次预测中，我用到的是岭回归。

 

1、岭回归

线性回归

　　先回顾一下普通线性回归。通常来讲，线性回归方程：y=w1x1+w2x2...+wnxn。咱们把这组变量 xn 定成一个矩阵 X，把回归系数存放在向量W中，则 y=X*W。

　　　

存在的问题

　    (1)、特征数大于样本数

　　当特征数大于样本数的时候，上面的式子就存在问题了。矩阵要求逆，就必须为满秩矩阵，当特征数大于样本数的时候，就不为满秩了。能够通俗地理解为因为样本数量太少，没有办法提供足够的有效的信息。

　    (2)、多重共线性

　　多重共线性指线性回归模型中的解释变量之间因为存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。举个例子，对于通常人来讲，体重和身高是有很强的关联的，但若是咱们须要预测某样东西，以这二者做为自变量，即便能够很好的拟合，但这个模型的解释性仍是不够。

 

 　　因为上面两个问题的存在，岭回归就出现了。它解决回归中重大疑难问题：排除多重共线性，进行变量的选择，在存在共线性问题和病态数据偏多的研究中有较大的实用价值。按照度娘的解释：岭回归是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，经过放弃最小二乘法的无偏性，以损失部分信息、下降精度为代价得到回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。

　　岭回归在上面式子的基础上作了点儿改进：，（其中称为岭参数）很好地解决了上面的问题，假如是一个奇异矩阵（不满秩），添加后能够保证其可逆。

 

2、数据获取

　　本次数据是经过 Tushare 的 get_hist_data()获取的。Tushare是一个免费、开源的python财经数据接口包。python安装tushare直接经过
pip install tushare 便可安装。

import tushare as ts
data = ts.get_hist_data('600848')

　　运行以后能够查看它的先后几行数据，按照tushare官方的说明，get_hist_data()只能获取近3年的日线数据，而他的返回值的说明是这样的：
〖date：日期；open：开盘价；high：最高价；close：收盘价；low：最低价；volume：成交量；price_change：价格变更；p_change：涨跌幅；ma5：5日均价；ma10：10日均价；ma20:20日均价；v_ma5:5日均量；v_ma10:10日均量；v_ma20:20日均量〗

　　均价的意思大概就是股票n天的成交价格或指数的平均值。均量则跟成交量有关。至于其余的返回值，应该是一会儿就能明白的吧。在得到数据以后，咱们查看一下描述性统计，经过 data.describe() 查看是否存在什么异常值或者缺失值。

　　 

　　这样看来彷佛除了因为周末以及节假日不开盘致使的当天的数据缺失之外，并无其余的缺失和异常。可是这里咱们不考虑节假日的缺失值。

 

3、数据预处理

　　因为获取的数据是按日期降序排序，但本次预测跟时间序列有关，所以咱们须要把顺序转一下，让它按照日期升序排序。

data1 = data[::-1]

　　处理完顺序以后，咱们要作一下特征值的选择。因为 volume 以及均量的值很大，若是不进行处理的话，极可能对总体的预测形成不良影响。因为时间有限，并且考虑到运算的复杂度，这里我没有对这些特征进行处理，而是直接将它们去掉了。至于均价，我是按照本身的理解，和10日均价、20日均价相比，5日均价的范围没那么大，对近期的预测会比另外两个要好，所以保留5日均价。接着，我用 sklearn.model_selection 的 cross_val_score，分别查看除〖'open', 'close', 'high', 'low', 'ma5'〗之外的其余剩余属性对预测值的影响。发现 ‘p_change’、'price_change' 这两个属性对预测结果的影响不大，为了节省内存，增长运算速度，提升预测的准确性，也直接把它们去掉了。完了以后，查看先后三行数据。

data1 = data1[['open','high','low','ma5','close']]
data1.head(3), data1.tail(3)

　　　　　　　　

4、建模预测

　　因为提交截止日期是周日，预测的是周三，所以须要先对周一周二的信息进行预测。在这里我忽然想到一个问题，是用前一天的全部数据来训练模型以预测当天的 close 比较准确，仍是用当天除了 close 之外的其余数据来训练模型以训练当天的 close 比较准呢？为了验证这个问题，我分别对这两种方法作了实验。

　　为了减小代码量，定义了一个函数用以评估模型的错误率。

def get_score(X_train, y_train):
    ridge_score = np.sqrt(-cross_val_score(ridge, X_train, y_train, cv=10, scoring='neg_mean_squared_error'))
    return np.mean(ridge_score)

　(1)、用前一天的全部数据来当训练集

y_train = data1['close'].values[1:]
X_train = data1.values[:-1]
score = get_score(X_train, y_train)

　　输出结果大约为0.469，这个错误率就比较大了，不太合理，更况且还要预测其余特征值做为测试数据。

   (2)、用当天除了 close 之外的其余数据来当训练集

data2 = data1[:]
y_train = data2.pop('close').values
X_train = data2.values
score = get_score(X_train, y_train)

　　输出结果大约为0.183，跟第一个相比简直好多了。因此，就决定是你了！

　　接下来建模并把模型保存下来：

y_train = data1['close']
X_train = data1[['open', 'high', 'low', 'ma5']]
close_model = ridge.fit(X_train, y_train)
joblib.dump(ridge, 'close_model.m')

　　在预测以前呢，咱们先拿训练集的后8组数据作一下测试，作个图看看：

scores = []
for x in X_train[-8:]:
    score = close_model.predict(np.array(x).reshape(1, -1))
    scores.append(score)
x = np.arange(8)
fig, axes = plt.subplots(1, 1, figsize=(13, 6))
axes.plot(scores)
axes.plot(y_train[-8:])
plt.xticks(x, data1.index[-8:].values, size=13, rotation=0)

　　

 　　看到这样子我仍是相对比较放心的，不过，这个模型的训练值除了“close”之外的属性都是已知的，要预测三天后的还得预测前两天的测试值。

def get_model(s):
    y_train = data1[s].values[1:]
    X_train = data1.values[:-1]
    model = ridge.fit(X_train, y_train)
    return model

def get_results(X_test):
    attrs = ['open', 'high', 'low', 'ma5']
    results = []
    for attr in attrs:
        result = get_model(attr).predict(X_test)
        results.append(result)
    return results

 　　接下来预测三天的股价：

X_test = data1[-1:].values
for i in range(3):
    results = get_results(X_test)
    close = close_model.predict(np.array(results).reshape(1, -1))
    results.append(close)
    X_test = np.array(results).reshape(1, -1)
print("5月15日招商银行关盘时的股价为：" + str(round(close[0], 2)))

5月15日招商银行关盘时的股价为：33.44

5、总结

　　虽然预测结果是这样子，但感受这样预测彷佛很菜啊。毕竟预测的每一个值都会有误差，多个误差累加起来就不少了，这让我有点惧怕。不知道存不存在不预测其余值直接预测close的方法，或者说直接预测5月15号的而不用先预测1三、14号的方法。虽然我知道有种算法是时间序列算法，但不是很懂。但愿哪位大神看了能给我一些建议，指点迷津。

　　对于一个自学数据分析的在校学生，苦于没有项目经验，正好遇上此次的【数据游戏】，能利用这次机会操做一波真的很不错。