股票量化分析(13)——直线拟合、曲线拟合、方差计算
来源:互联网 发布:linux删除整个文件夹 编辑:程序博客网 时间:2024/05/18 04:00
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')
阅读全文
0 0
- 股票量化分析(13)——直线拟合、曲线拟合、方差计算
- 股票量化分析(1)准备——tushare安装
- 股票量化分析(2)准备——Ipython安装
- 曲线拟合的最小二乘法(基于OpenCV实现)的,拟合图像中离散点的拟合直线
- 股票量化分析(4)——利用各种数据源(yahoo、新浪、阿里云)的股票数据画图
- 股票量化分析(3)——matplotlib利用tushare的股票数据画一般图、k线图
- 股票量化分析(10)——第一个策略(rsi强度策略)
- 股票量化分析(12)——第三个策略(kdj策略)
- OpenCV—直线拟合fitLine
- 基于opencv3.0的直线拟合和曲线拟合
- 股票量化分析(11)——第二个策略(5日移动均线、双均线、MACD策略)
- Python计算&绘图——曲线拟合问题
- 1stOpt——世界领先的非线性曲线拟合,综合优化分析计算软件平台
- 量化分析(5)——Python应用tushare数据计算单资产CAPM实例
- 股票量化投资出现的主要原因分析
- NET与Matlab结合 —— 最小二乘法直线拟合(C#)
- NET与Matlab结合 —— 最小二乘法直线拟合(C#)
- NET与Matlab结合 —— 最小二乘法直线拟合(C#)
- BZOJ1066(SCOI2007)[蜥蜴]--最大流(Dinic)
- 密码框内容的各种展示情况
- 基于jdbc的事务的链接工厂
- C实现C(二)
- 转载代码,我觉得很有用
- 股票量化分析(13)——直线拟合、曲线拟合、方差计算
- ssm java.lang.NullPointerException
- Android studio 窗口切换的快捷键
- Android源码下载(包括最新8.0版本)
- iptables防火墙操作
- 【python】flask+blueprints模块化架构
- PullToRefreshScrollView的使用
- c3p0配置
- 机器学习之-利用svm(支持向量机)分类(opencv3)