用SVM预测股票涨跌
2017-12-13 11:21
615 查看
基于机器学习的股票分析
二、 对股票数据涨跌进行SVM训练和预测
上一次爬取了股票数据并进行标签分类,这次进行SVM分类import pandas as pd from sklearn import svm,preprocessing #获取中国银行历史数据 df_CB=pd.read_csv(r'G:\\Project\\data\\CB.csv',encoding='gbk') #将日期作为index,顺序排列 df_CB = df_CB.set_index('date') df_CB = df_CB.sort_index() #print df_CB.head() #value表示涨跌 value = pd.Series(df_CB['close']-df_CB['close'].shift(1),\ index=df_CB.index) value = value.bfill() value[value>=0]=1 value[value<0]=0 df_CB['Value']=value #后向填充空缺值 df_CB=df_CB.fillna(method='bfill') df_CB=df_CB.astype('float64') #print df_CB.head()
#选取数据的80%作为训练集,20%作为测试集 L=len(df_CB) train=int(L*0.8) total_predict_data=L-train #对样本特征进行归一化处理 df_CB_X=df_CB.drop(['Value'],axis=1) df_CB_X=preprocessing.scale(df_CB_X) #开始循环预测,每次向前预测一个值 correct = 0 train_original=train while train<L: Data_train=df_CB_X[train-train_original:train] value_train = value[train-train_original:train] Data_predict=df_CB_X[train:train+1] value_real = value[train:train+1] #核函数分别选取'ploy','linear','rbf' classifier = svm.SVC(C=1.0, kernel='poly') #classifier = svm.SVC(kernel='linear') #classifier = svm.SVC(C=1.0,kernel='rbf') classifier.fit(Data_train,value_train) value_predict=classifier.predict(Data_predict) print("value_real=%d value_predict=%d"%(value_real[0],value_predict)) #计算测试集中的正确率 if(value_real[0]==int(value_predict)): correct=correct+1 train = train+1
这里会输出value实际值和预测值的对比结果
#输出准确率 correct=correct*100/total_predict_data print("Correct=%.2f%%"%correct)
Correct=70.00%
经过核函数的选取,当选择linear和rbf时均发生了过拟合(居然测试集到了99%…….),当核函数为多项式时,结果较为可观
下阶段将对股票的日收盘价格进行回归预测
相关文章推荐
- 逻辑回归模型预测股票涨跌
- 用 线性回归 预测股票的涨跌
- R语言svm预测股票走势
- 用 线性回归 预测股票的涨跌
- 股票涨跌预测方法之一:下载股票数据
- 小波分析 + 支持向量机(SVM)预测股票涨跌幅的实现作者:k474905973
- 股票涨跌预测方法之二:股票技术指标计算
- 股票涨跌预测方法之三:建立模型并训练
- Kaggle 入门(NLP)——基于新闻语料预测股票涨跌
- 股票涨跌预测方法之四:实际预测
- 用贝叶斯判别分析再次预测股票涨跌情况
- 逻辑回归模型预测股票涨跌
- 股票涨跌和买卖预测计算公式
- 小波分析 + 支持向量机(SVM)预测股票涨跌幅的实现
- 《BI那点儿事》Microsoft 逻辑回归算法——预测股票的涨跌
- 使用SVM预测大盘涨跌的简单策略
- 基于SVM的股票预测 Python实现 附Github
- 《BI那点儿事》Microsoft 逻辑回归算法——预测股票的涨跌
- 01-股票预测-买卖急切度