用Python实现对于第4步选择的每一个数据，从第2步的数据片段中选择与其标记相同的数据片段，以（开盘价的涨跌幅、最高价的涨跌幅、最低价的涨跌幅）为自变量，收盘价的涨跌幅为应变量，建立一个线性回归模型，预测它的收盘价的涨跌幅。

好的，根据您的要求，我可以为您提供Python的代码实现。首先，您需要准备好数据片段和相应的标记，然后按照以下步骤进行操作：

1. 安装所需的库：`pandas`, `numpy`, `sklearn`

!pip install pandas numpy sklearn

2. 导入所需的库和数据片段

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# 加载数据片段
data = pd.read_csv('data.csv')

3. 进行数据处理，提取自变量和应变量

# 提取自变量和应变量
x_cols = ['open_inc', 'high_inc', 'low_inc']
y_col = 'close_inc'

x = data[x_cols].values
y = data[y_col].values

4. 建立线性回归模型并进行训练

# 建立线性回归模型
lr_model = LinearRegression()

# 进行模型训练
lr_model.fit(x, y)

5. 进行预测

# 进行预测
test_data = np.array([[0.03, 0.02, 0.01]]) # 测试数据
pred = lr_model.predict(test_data) # 预测结果

以上就是根据您要求的建立线性回归模型的Python代码实现。希望对您有所帮助。