使用线性回归模型预测黄金ETF价格
代码
# 用于数据处理 import numpy as np import pandas as pd # 用于获取数据 import akshare as ak # 导入线性回归模型 from sklearn.linear_model import LinearRegression # 导入画图库、设置主题和中文显示 import matplotlib.pyplot as plt import re plt.style.use('seaborn-darkgrid') plt.style.use('seaborn-v0_8-darkgrid') plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文显示 plt.rcParams['axes.unicode_minus'] = False # 负数显示 # 设置忽略警告 import warnings warnings.filterwarnings('ignore') from datetime import datetime # 获取黄金ETF的历史行情数据 etf_data = ak.fund_etf_hist_em(symbol='518880', period='daily', start_date='20130801', end_date='20240517') # 只需要收盘价序列 Df = etf_data[['收盘']].rename(columns={'收盘':'Close'}) # 将Index设置为datetime格式的日期 Df.index = pd.to_datetime(etf_data['日期']).tolist() # 去除空值 Df = Df.dropna() # 画出黄金ETF的价格走势图 Df.Close.plot(figsize=(15, 8), color='red') plt.ylabel('黄金ETF价格') plt.title('黄金ETF价格序列') plt.show() # 计算均线因子 Df['S1'] = Df['Close'].rolling(window=55).mean() Df['S2'] = Df['Close'].rolling(window=60).mean() # 第二天的收盘价 Df['next_day_price'] = Df['Close'].shift(-1) Df = Df.dropna() # 定义解释变量 X = Df[['S1', 'S2']] # 定义因变量 y = Df['next_day_price']
生成
本文来自博客园,作者:方倍工作室,转载请注明原文链接:https://www.cnblogs.com/txw1958/p/18292591
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 盘点!HelloGitHub 年度热门开源项目
· DeepSeek V3 两周使用总结
· 02现代计算机视觉入门之:什么是视频
· C#使用yield关键字提升迭代性能与效率
· 回顾我的软件开发经历(1)
2012-07-09 CMMI能力成熟度模型集成的过程域
2012-07-09 PMP项目经理认证
2012-07-09 CMMI 能力成熟度模型集成
2012-07-09 ISTQB 软件测试资质认证
2012-07-09 ISO/IEC 27001 信息安全管理体系认证
2012-07-09 TL9000 电信业质量体系管理标准
2012-07-09 ISO9000 质量管理和质量保证系列国际标准