python灰色预测_python实现灰色预测模型(GM11)——以预测股票收盘价为例
目录
程序简述
利用灰色预测GM11模型预测股票收盘价,由于灰色预测模型适合短期预测和小样本,所以程序输入数据为5个,输出为1个,进行动态建模
程序输入:原序列、需要往后预测的个数
程序输出:预测值、模型结构(后验差比、发展系数、灰色作用量)
灰色预测模型 (GM11)即对原始数据作累加生成(或其它方法生成)得到近似的指数规律再进行建模的方法。灰色预测模型对于不同问题采用不同模型,模型主要解决生成序列是有指数变化规律,只能描述单调的变化过程。
数据集截图
图1,上证指数股票数据,共7128行,但出于灰色预测的特性,本文只用了最后30个数据做实验
程序/数据集下载
核心代码解析(接口,可直接运行)
程序输入原序列和需要预测个数后会返回模型结构和预测值
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
def GM11(x,n):
'''
灰色预测
x:序列,numpy对象
n:需要往后预测的个数
'''
x1 = x.cumsum()#一次累加
z1 = (x1[:len(x1) - 1] + x1[1:])/2.0#紧邻均值
z1 = z1.reshape((len(z1),1))
B = np.append(-z1,np.ones_like(z1),axis=1)
Y = x[1:].reshape((len(x) - 1,1))
#a为发展系数 b为灰色作用量
[[a],[b]] = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), Y)#计算参数
result = (x[0]-b/a)*np.exp(-a*(n-1))-(x[0]-b/a)*np.exp(-a*(n-2))
S1_2 = x.var()#原序列方差
e = list()#残差序列
for index in range(1,x.shape[0]+1):
predict = (x[0]-b/a)*np.exp(-a*(index-1))-(x[0]-b/a)*np.exp(-a*(index-2))
e.append(x[index-1]-predict)
S2_2 = np.array(e).var()#残差方差
C = S2_2/S1_2#后验差比
if C<=0.35:
assess = '后验差比<=0.35,模型精度等级为好'
elif C<=0.5:
assess = '后验差比<=0.5,模型精度等级为合格'
elif C<=0.65:
assess = '后验差比<=0.65,模型精度等级为勉强'
else:
assess = '后验差比>0.65,模型精度等级为不合格'
#预测数据
predict = list()
for index in range(x.shape[0]+1,x.shape[0]+n+1):
predict.append((x[0]-b/a)*np.exp(-a*(index-1))-(x[0]-b/a)*np.exp(-a*(index-2)))
predict = np.array(predict)
return {
'a':{'value':a,'desc':'发展系数'},
'b':{'value':b,'desc':'灰色作用量'},
'predict':{'value':result,'desc':'第%d个预测值'%n},
'C':{'value':C,'desc':assess},
'predict':{'value':predict,'desc':'往后预测%d个的序列'%(n)},
}
if __name__ == "__main__":
data = np.array([1.2,2.2,3.1,4.5,5.6,6.7,7.1,8.2,9.6,10.6,11,12.4,13.5,14.7,15.2])
x = data[0:10]#输入数据
y = data[10:]#需要预测的数据
result = GM11(x,len(y))
predict = result['predict']['value']
predict = np.round(predict,1)
print('真实值:',y)
print('预测值:',predict)
print(result)
接口调用、运行效果
Main.py
以上证指数为例,进行灰色预测建模,效果勉强,数据集的选择和预测长度很重要
# -*- coding: utf-8 -*-
from Module.BuildModel import GM11
from sklearn.metrics import mean_absolute_error
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os
#路径目录
baseDir = os.path.dirname(os.path.abspath(__file__))#当前目录
staticDir = os.path.join(baseDir,'Static')#静态文件目录
resultDir = os.path.join(baseDir,'Result')#结果文件目录
#读取数据
data = pd.read_csv(staticDir+'/000001.csv',encoding='gbk')
train = data['收盘价'].values[-15:-10]#训练数据
test = data['收盘价'].values[-10:]#测试数据
#GM11动态建模
yPre = []
for i in range(test.shape[0]):
#只预测1个数
result = GM11(train,1)
yPre.append(result['predict']['value'][0])
#更新训练集
train = train.tolist()[:-1]
train.append(test[i])
train = np.array(train).reshape(-1)
#计算MAE
MAE = mean_absolute_error(test,yPre)
#打印模型
print(result['C']['desc'])
print(result['a']['desc'],np.round(result['a']['value'],2))
print(result['b']['desc'],np.round(result['b']['value'],2))
#可视化
#用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
#用来正常显示负号
plt.rcParams['axes.unicode_minus']=False
plt.plot(range(test.shape[0]),yPre,label="预测值")
plt.plot(range(test.shape[0]),test,label="观测值")
plt.legend()
plt.title('GM11预测效果,MAE:%2f'%MAE)
plt.savefig(resultDir+'/GM11预测效果.png',dpi=100,bbox_inches='tight')
图2,程序输出,模型结构
图3,预测值和观测值对比折线图,对于短期预测GM11表现良好
标签:预测,为例,python,predict,result,np,import,GM11
来源: https://www.cnblogs.com/boom-meal/p/12368483.html
python灰色预测_python实现灰色预测模型(GM11)——以预测股票收盘价为例相关推荐
- python财务报表预测股票价格_python实现灰色预测模型(GM11)——以预测股票收盘价为例...
原博文 2020-02-26 18:56 − [TOC] # 程序简介 利用灰色预测GM11模型预测股票收盘价,由于灰色预测模型适合短期预测和小样本,所以程序输入数据为5个,输出为1个,进行动态建模 ...
- 灰色预测模型python_python实现灰色预测模型(GM11)——以预测股票收盘价为例
[TOC] 程序简介 利用灰色预测GM11模型预测股票收盘价,由于灰色预测模型适合短期预测和小样本,所以程序输入数据为5个,输出为1个,进行动态建模 程序输入:原序列.需要往后预测的个数 程序输出:预 ...
- python灰色预测_python 实现 灰色预测 GM(1,1)模型 灰色系统 预测 灰色预测公式推导...
关键词:灰色预测 python 实现 灰色预测 GM(1,1)模型 灰色系统 预测 灰色预测公式推导 一.前言 本文的目的是用Python和类对灰色预测进行封装 二.原理简述 1.灰色预测概述 灰色预 ...
- python空气质量分析与预测_python 空气质量AQI数据分析与预测 ---分析,相关系数矩阵...
版权声明:本文为博主原创文章,遵循CC 4.0 by-sa版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/YmeBtc/article/details ...
- python求股票收益率_python – 有没有办法自动获取许多股票的一般信息,如市盈率,收益率等等?...
历史将是困难的. R的 quantmod软件包有getQuote,它与yahooQF一起是获取当前值所需的全部内容. require("quantmod") getQuote(&q ...
- python金融分析小知识(14)——matplotlib多子图绘制(结合股票收盘价数据)
Hello 大家好,我是一名新来的金融领域打工人,日常分享一些python知识,都是自己在学习生活中遇到的一些问题,分享给大家,希望对大家有一定的帮助! 今天给大家讲解一下我平时在进行数据可视化的时候 ...
- python灰色模型代码_python 实现 灰色预测 GM(1,1)模型 灰色系统 预测 灰色预测公式推导...
来源公式推导连接 关键词:灰色预测 python 实现 灰色预测 GM(1,1)模型 灰色系统 预测 灰色预测公式推导 一.前言 本文的目的是用Python和类对灰色预测进行封装 二.原理简述 1.灰 ...
- python灰色预测模型步骤人口预测_超级干货:一文读懂灰色预测模型
灰色预测模型可针对数量非常少(比如仅4个),数据完整性和可靠性较低的数据序列进行有效预测,其利用微分方程来充分挖掘数据的本质,建模所需信息少,精度较高,运算简便,易于检验,也不用考虑分布规律或变化趋势 ...
- 运用自回归滑动平均模型、灰色预测模型、BP神经网络三种模型分别预测全球平均气温,并进行预测精度对比(附代码、数据)
大家好,我是带我去滑雪,每天教你一个小技巧!全球变暖是近十年来,人们关注度最高的话题.2022年夏天,蔓延全球40℃以上的极端天气不断刷新人们对于高温的认知,人们再也不会像从前那样认为全球变暖离我们遥 ...
最新文章
- response返回一段html,iframe调用后台方法通过response返回html代码
- Run application
- nginx配置静态资源访问路径
- java excil表格开发_JAVA导出Excel电子表格的方法
- fastapi quickstart学习
- 厉害了!90后奥运冠军被北大录取
- iceberg对接flinksql测试
- page fault in nonpaged area 蓝屏_电脑蓝屏解决四个小技巧
- 克隆卡设备_SD Clone for mac(SD卡克隆备份软件) v3.2
- centos7安装禅道
- python实现之初等函数二——反函数
- 今日头条,即将崛起为中国互联网第三极
- 前端面试之计算机网络篇
- 马斯克推荐的「50种认知偏差」,这是我见过的最爆笑的解读!
- FigDraw 13. SCI 文章绘图之桑葚图及文章复现(Sankey)
- AP模式(路由器的几种模式)
- 高斯模型混合模型–理论上可以拟合任意概率密度分布
- 从“任我行”博友转载的一篇文章:堆和栈的区别
- Python OpenCV绘画实现 油画效果、水彩效果
- 计算机坤论文题目,计算机毕业论文参考文献分享
热门文章
- IDE、SCSI接口区别
- 二次函数回归方程_高三||【高三专题】三角函数提优专题卷
- 如何自己编写一个交通仿真软件(一)火种。
- 送分了QAQ(前缀和)
- 关于LVGL下物理按键的使用
- OpenFOAM 张量运算
- [HSI论文阅读] | HybridSN: Exploring 3-D–2-D CNN Feature Hierarchy for Hyperspectral Image Classification
- 人工智能守护青山绿水 内蒙古环保厅引入阿里云ET环境大脑
- 怎样在小方框上打对号 小方框内打对勾 word 方框打对勾
- 涨姿势!3D游戏里的男女性角色是这样建模出来的