利用随机森林预测股票大盘涨跌

本文仅从实战角度去观察，利用机器学习算法中，随机森林模型预测股票市场指数涨跌的准确率。
适合入门玩家

首先，我们导入所需要的模块

import numpy as np
import pandas as pd
import talib as ta  #金融数据计算
import datetime,pickle
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import mean_absolute_error,mean_squared_error,r2_score,accuracy_score,roc_auc_score
from sklearn.ensemble import RandomForestClassifier #随机森林分类模型

然后读取指数数据，这里所使用的数据为个人付费购买数据，本文所使用的数据可以从文末联系方式获取。
关于数据，如果仅做ML、DL学习使用，可以选择量化平台获取、tushare接口获取、爬虫获取等方式，但如果是做模拟交易或者实盘交易，请尽量购买券商提供的数据，否则在数据清洗方面，哪怕是团队也需要耗费大量的人力物力。

with open(r'D:\history_data_22\indexs.pkl','rb') as f:index_data = pickle.load(f)

然后将index_data 打印出来，我们可以得到这样的数据：
code – 指数代码(string)
date – 日期(int)
open – 开盘价(float)
close – 收盘价(float)
low – 最低价(float)
high – 最高价(float)
vol - 成交量(float)
money – 成交额(float)

因为指数包括了很多，如上证50、沪深300、中证500等等，这里我们仅用上证指数为例
所以选择code代码为SH000001的数据

df = index_data[index_data['code'] == "SH000001"]

现在我们添加一些简单的技术指标

np_close = np.array(df['close'])
diff, dea, macd = ta.MACD(np_close, fastperiod=12, slowperiod=26,signalperiod=9)
df['MA5'] = ta.MA(np_close,timeperiod=5)
df['MA10'] = ta.MA(np_close,timeperiod=10)
df['DIFF'] = diff
df['DEA'] = dea
df['MACD'] = macd

此时，我们的dataframe应该是这样的

那么，特征值(feature)为Open到MACD。
我们想要机器通过feature预测出明日大盘的涨跌情况，那么这时需要来定义一下label，即告诉机器你想要预测什么。
我们在本文中采用二分类作为测试，涨为1，跌为0。

def num_config(x):if x > 0 :return 1else:return 0

df["(t+1)-(t)"] = df['close'].shift(-1) - df['close']
df['label'] = df["(t+1)-(t)"].map(num_config)

再次打印df，我们应该得到如下的数据

这时，特征值和标签，我们都应该搞定了。
现在，我们来划分一下训练集和测试集，因为此文仅做测试使用，大家可以根据个人兴趣，添加验证集，用网格搜索、交叉验证，寻找最优参数，然后再作用于测试集。
因为股票数据是一个典型的时间序列数据（后面会写一篇LSTM运用），所以尽量不要用随机切分。因为随机切分很可能导致你的训练集里面含有未来函数，即X里存在Y，进而导致准确率极其的高。
我们将2017年以前的数据用来做训练，用2017年以后的数据用来做测试。

df = df.dropna() #剔除缺失值
df['time'] = pd.to_datetime(df['date'],format='%Y%m%d')
train_data = df[df['time']<"2017-01-01"]
test_data = df[df['time']>="2017-01-01"]
train_X = train_data.ix[:,'open':"MACD"].values
train_y = train_data['label'].values
test_X = test_data.ix[:,'open':"MACD"].values
test_y = test_data['label'].values

所有数据均已准备完毕，下面开始调用sklearn中随机森林模型进行测试

clf = RandomForestClassifier(max_depth=3,n_estimators=20)
clf.fit(train_X,train_y)
print(accuracy_score(train_y,clf.predict(train_X)))
print(accuracy_score(test_y,clf.predict(test_X)))

此时我们看到，该模型在训练集上有58.86%的胜率，在测试集上也拥有56%的胜率。
毫无疑问，这当然是值得庆幸的事情，56%的胜率已经要比50%高出很多，如果按盈亏均为1：1的情况下，长此以往的跑下去，是很恐怖的事情，这简直比赌场里某些游戏的胜率还要高。
但在股票市场里，真的是这样吗？
我们思考一下真实情况，该模型仅是猜涨跌，简单的二分类问题。那假设该模型只是猜跌比较厉害，而猜涨很瓜皮呢？
我们查看一下召回率

发现概率是51%，该模型并没有过多的偏袒涨跌其中的一方。
那么这个模型就可以用了吗?不是的，我们在以前的主观交易到后来的量化交易，发现很多趋势追踪策略的胜率可能只有35%-40%，但仍然可以取得不俗的盈利，原因是趋势追踪策略在盘整或者下跌阶段，有不停的试错，而上涨阶段则是一直处于持仓状态，没有频繁的换仓。于是胜率虽然低，但一口波段也能吃个胖子。
反观我们的56%模型，会不会存在虽然胜率高，但是每次赚的少，而亏一次就亏个大的这样的状况存在呢。
毕竟大A股，暴跌总比暴涨的次数多，对吧。
这里仅抛砖引玉
1、我们是否可以通过回归方法来解决上述问题
2、我们是否可以通过多分类问题来解决上述问题

总结：机器学习对于预测股票市场是存在一定作用的，但该文所涉及的模型仅对第二天的涨跌情况起辅助效果，并不能作为决策的依据！

文中所涉及代码及其付费数据集可以通过下面联系方式索取

注：该文属个人原创，转载请联系
Email:454001240@qq.com
VX:gq454001240

利用随机森林预测股票大盘涨跌相关推荐

python mql4_可以转发文章不？老外用随机森林预测外汇分钟涨跌准确率高达85%。求高手用python重写。...
[https://www.mql5.com/zh/articles/1165][1] 简介创建任何交易系统的目的都是为了能够预测金融产品的市场行为,如一个货币对.预测的目标可以是不同的.我们在此限定 ...
利用随机森林算法实现Bank风险预测
利用随机森林算法实现Bank风险预测源码分享及数据集分享:https://github.com/luo948521848/BigDatas 在机器学习中,随机森林是一个包含多个决策树的分类器, 并且 ...
RandomForest：随机森林预测生物标记biomarker——回归
关于随机森林的简介和应用理论,请阅读之前分享的文章: 一文读懂随机森林在微生态中的应用关于随机森林进行分类的入门实战,请阅读之前分享的 - <RandomForest:随机森林预测生物标记b ...
利用随机森林进行特征选择
随机森林中的特征重要性随机森林算法示意图利用随机森林选择特征可参看论文Variable selection using Random Forests. 用随机森林进行特征重要性评估的思想其实很简单 ...
利用随机森林填补缺失值
利用随机森林填补缺失值介绍利用随机森林填补缺失值介绍说到缺失值,我想各位在进行数据分析之前或多或少都是会遇到的.在做有关机器学习的项目的时候,出题人都是会给你一个好几万好几十万的数据,可能会出 ...
基于大尺度结构的随机森林预测与I类HLA结合的稳定肽
点击下载https://www.frontiersin.org/articles/10.3389/fimmu.2020.01583/full 1.Abstract HLA I类亲和力预测的稳定肽是设计 ...
python在Scikit-learn中用决策树和随机森林预测NBA获胜者
在本文中,我们将以Scikit-learn的决策树和随机森林预测NBA获胜者.美国国家篮球协会(NBA)是北美主要的男子职业篮球联赛,被广泛认为是首屈一指的男子职业篮球联赛在世界上.它有30个团队(美 ...
Python使用随机森林预测泰坦尼克号生存
tags: 随机森林 kaggle 数据挖掘 categories: 数据挖掘 mathjax: true 文章目录前言: 1 数据预处理 1.1 读入数据 1.2 训练集与数据集 1.2.1 查看 ...
随机森林预测财务报表是否舞弊
随机森林预测财务报表是否舞弊爬取财务报表设置文件保存在c盘eastmoney文件夹下 1 设置表格爬取时期 2 设置表格爬取起始页数 3 表格正式爬取写入表头方法1 借助csv包,最常用数据 ...

利用随机森林预测股票大盘涨跌

利用随机森林预测股票大盘涨跌相关推荐

最新文章

热门文章