股票量化分析（13）——直线拟合、曲线拟合、方差计算

这里直线拟合需要用到statsmodels这个库；
曲线拟合需要用到np.polynomial.Chebyshev.fit()这个函数；
方差计算需要用到sklearn这个库。

首先来看直线拟合，这里拟合’600848’这只股票一年的收市的股价。

import tushare as tsimport pandas as pdimport matplotlib.pyplot as pltimport numpy as npimport talibdf=ts.get_hist_data('600848',start='2015-01-01',end='2015-12-31')df=df.sort_index()df.index=pd.to_datetime(df.index,format='%Y-%m-%d')#收市股价close= df.closex=np.arange(0,len(close))y=close.valuesimport statsmodels.api as smfrom statsmodels import regressiondef regress_y(y):    x=np.arange(0,len(y))    x=sm.add_constant(x)    model=regression.linear_model.OLS(y,x).fit()    return modelmodel=regress_y(close)b=model.params[0]k=model.params[1]y_fit=k*x+bplt.plot(x,y)plt.plot(x,y_fit,'r')

接着来看一下用sklearn计算偏差绝对值之和（MAE）,偏差平方（MSE）,偏差平方和开平方（RMSE）

from sklearn import metricsMAE=metrics.mean_absolute_error(y,y_fit)MSE=metrics.mean_squared_error(y,y_fit)RMSE=np.sqrt(MSE)

最后来看一下多项式拟合，这里取得是9项:

#多项式拟合p=np.polynomial.Chebyshev.fit(x,y,9)y_fit_n=p(x)plt.plot(x,y,'',x,y_fit_n,'r')