基于线性回归的股票预测（scikit-learn）

#线性回归算法一般用于解决”使用已知样本对未知公式参数的估计“类问题
#获取数据
    # 股票数据特征:开盘价(Open)、最高价(High)、最低价(Low)、收盘价(Close)、交易额(Volume)
    # 及调整后的开盘价(Adj. Open)、最高价(Adj. High)、最低价(Adj. Low)、收盘价(Adj. Close)、交易额(Adj. Volume)
#数据预处理
    #除权后的数据更能反映数据特征，选择调整后的数据为主要使用的数据特征
    #两个数据特征：HL_PCT(股票最高价与最低价变化百分比)、PCT_change(股票收盘价与最低价的变化百分比)
    #自变量为：Adj.Close、HL_PCT、PCT_change、Adj.Volume
    #因变量为：Adj.Close
 
import quandl
from sklearn import preprocessing
df = quandl.get('WIKI/GOOGL')
# df = quandl.get('WIKI/AAPL')
# print(df)
 
import math
import numpy as np
#定义预测列变量，存放研究对象的标签名
forecast_col = 'Adj. Close'
#定义预测天数，这里设置为所有数据量长度的1%
forecast_out = int(math.ceil(0.01*len(df)))
#只用到df中的下面几个字段
df = df[['Adj. Open','Adj. High','Adj. Low','Adj. Close','Adj. Volume']]
#构造两个新列
df['HL_PCT'] = (df['Adj. High']-df['Adj. Close'])/df['Adj. Close']*100.0
df['PCT_change'] = (df['Adj. Close']-df['Adj. Open'])/df['Adj. Open']*100.0
#真正用到的特征
df = df[['Adj. Close','HL_PCT','PCT_change','Adj. Volume']]
#处理空值，这里设置为-99999
df.fillna(-99999, inplace=True)
#label代表预测结果，通过让Adj. Close列的数据往前移动1%行来表示
df['label'] = df[forecast_col].shift(-forecast_out)
#生成在模型中使用的数据X,y,以及预测时用到的数据X_lately
X = np.array(df.drop(['label'],1))
X = preprocessing.scale(X)
#上面生成的label列时留下的最后1%行的数据，这些行并没有label 数据，用作预测时用到的输入数据
X_lately = X[-forecast_out:]
X = X[:-forecast_out]
#抛弃label列中为空的那些行
df.dropna(inplace=True)
y = np.array(df['label'])
 
from sklearn import model_selection,svm
from sklearn.linear_model import LinearRegression
#先把X，y数据分成两部份，训练和测试
X_train,X_test,y_train,y_test = model_selection.train_test_split(X,y,test_size=0.2)
#生成线性回归对象
clf = LinearRegression(n_jobs=-1)
#开始训练
clf.fit(X_train,y_train)
#用测试数据评估准确性
accuracy = clf.score(X_test,y_test)
#进行预测
foreca_set = clf.predict(X_lately)
print(foreca_set,accuracy)
 
import matplotlib.pyplot as plt
from matplotlib import style
import datetime
#修改matplotlib样式
style.use('ggplot')
one_day = 86400
#在df中新建Forecast列，用于存放预测结果的数据
df['Forecast'] = np.nan
#取df最后一行的时间索引
last_date = df.iloc[-1].name
last_unix = last_date.timestamp()
next_unix = last_unix+one_day
#遍历预测结果，用它向df中追加行
for i in foreca_set:
    next_date = datetime.datetime.fromtimestamp(next_unix)
    next_unix+=one_day
    # [np.nan  for _ in range(len(df.columns)-1)]生成不包含Forecast字段的列表
    #而[i]是只包含Forecast字段的列表
    #拼在一起组成新行，按日期追加到df下面
    df.loc[next_date] = [np.nan  for _ in range(len(df.columns)-1)]+[i]
#绘图
df['Adj. Close'].plot()
df['Forecast'].plot()
plt.legend(loc=4)
plt.xlabel('Date')
plt.ylabel('Price')
plt.show()