[小白系列][线性回归模型]股票回归分析实例代码详解_R线性回归as.formula

回归模型

38 浏览量更新于2023-05-03 评论收藏 150KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

[小白系列小白系列][线性回归模型线性回归模型]股票回归分析实例代码详解股票回归分析实例代码详解

代码详解代码详解

P.S:记录下第一个搞明白的模型哦！记录下第一个搞明白的模型哦！

import statsmodels.api as sm # 基本api

import statsmodels.formula.api as smf # 公式api

import statsmodels.graphics.api as smg # 图形界面api

import patsy # 主要类似 R 语言的公式转成 statsmodels 可以识别的形式

import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

from pandas import Series,DataFrame

from scipy import stats # Python中一个很好的统计推断包

import seaborn as sns

import datetime, os, warnings # os模块是与计算机操作系统交互的一个接口，Python 的 os 模块封装了常见的文件和目录操作

# 和exception异常要求用户立刻进行处理不同，warnings通常用于提示用户一些错误或者过时的用法

warnings.filterwarnings('ignore') # 通过警告过滤器进行控制是否发出警告消息,“ignore”参数的作用是：忽略匹配的警告

plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签，设置为黑体

plt.rcParams['axes.unicode_minus'] = False # 可以显示负号

# 设置起始时间

start = datetime.datetime(2019,1,1)

end = datetime.datetime(2019,12,31)

#print(start)

# Python提供了专门从财经网站获取金融数据的API接口：DataReader

from pandas_datareader.data import DataReader

# 读取上证综指及探路者数据

def load_data():

# 判断在当前的网站目录下是否存在000001.csv和300005.csv的文件，如果没有的话，则利用DataReader接口，用pandas自

带的read_csv方法下载

if os.path.exists('000001.csv'): # os.path.exists()就是判断括号里的文件是否存在的意思，括号内的可以是文件路径

data_ss = pd.read_csv('000001.csv')

data_tlz = pd.read_csv('300005.csv')

else:

# 上证综指

data_ss = DataReader("000001.SS", "yahoo",start,end)

# 300005 探路者股票深证

data_tlz = DataReader("300005.SZ", "yahoo",start,end)

data_ss.to_csv('000001.csv')

data_tlz.to_csv('300005.csv')

return data_ss, data_tlz

data_ss, data_tlz = load_data()

# 数据探索，查看前五行数据

print(data_ss.head())

print(data_tlz.head())

# 探路者与上证综指

# 这里是把股票的收盘价close拿了出来

close_ss = data_ss["Close"] close_tlz = data_tlz["Close"] # 对两支股票分别做数据探索

print(close_ss.head())

print(close_tlz.head())

# 将探路者与上证综指进行数据合并

# 此处merge函数利用的是左右连接键名不一样时候的情况，详见[merge函数左右键名不一样的情况]

(https://blog.csdn.net/KaelCui/article/details/105156974)

stock = pd.merge(data_ss, data_tlz, left_index = True, right_index = True)

stock = stock[["Close_x","Close_y"]] # 把合并之后的闭盘价格拿出来

stock.columns = ["上证综指","探路者"] # 对合并之后的数据做数据探索

print(stock.head())

# 统计每日收益率

# .diff（）函数，是用来将数据进行某种移动之后与原来的数据进行比较得出差异的数据

# .shift()函数，是可以把数据移动指定的位数，period = -1代表往上/往左，period = 1代表往下/往右

daily_return = (stock.diff()/stock.shift(periods = 1)).dropna() # dropna代表去除空值，因为有除法，否则程序没有意义

print(daily_return.head())

# 找出当天收益率大于10%的，应该是没有，因为涨停为10%

print(daily_return[daily_return["探路者"] > 0.1])

# 每日收益率可视化

fig,ax = plt.subplots(nrows=1,ncols=2,figsize=(15,6))

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

weixin_38681301

粉丝: 5
资源: 921

会员权益专享

[小白系列][线性回归模型]股票回归分析实例代码详解

评论0

会员权益专享

最新资源

[小白系列][线性回归模型]股票回归分析实例代码详解

评论0

代码 多元线性回归代码 代码 多元线性回归代码

代码 一元线性回归代码代码 一元线性回归代码

代码 多元非线性回归 代码

贝叶斯线性回归模型的建立和评估方法详解

回归分析：非线性回归模型的建立

Stata回归分析初探：线性回归模型

线性回归模型在R中的建模与分析

线性回归分析：用R语言进行简单线性回归模型拟合

用matlab实现三元线性回归模型建立的实例代码

python对线性回归模型进行显著性分析的详细代码

自行收集数据利用SPSS软件完成以下实验内容： 1.建立一元线性回归模型并进行参数解释； 2.进行一元线性回归模型检验和残差分析； 3.对建立的模型进行简单的应用。

收集数据利用SPSS软件完成以下实验内容： 1.建立一元线性回归模型并进行参数解释； 2.进行一元线性回归模型检验和残差分析； 3.对建立的模型进行简单的应用。

线性回归模型MATLAB代码

基于python的线性回归模型

多元线性回归模型matlab代码

多元线性回归模型的优点

线性回归模型进行趋势分析

python多元线性回归模型压缩包

线性回归模型ui意义

多元线性回归模型应用前提

会员权益专享

最新资源

代码多元线性回归代码代码多元线性回归代码

代码一元线性回归代码代码一元线性回归代码

代码多元非线性回归代码