Python教程學習：Python進階量化交易場外篇2——線性迴歸擬合股價沉浮

Python進階量化交易場外篇2——線性迴歸擬合股價沉浮

這裏只要給你們介紹下搭建環境中可能會遇到的問題，若是有同窗是用mac系統開發的，在MAC中調試matplotlib時中文顯示框框解決方法：

一、下載simhei.ttf字體庫拷貝至matplotlib字體文件夾（Macintosh HD 用戶 SHQ anaconda3 lib python3.7 site-packages matplotlib mpl-data fonts ttf）。

二、一樣在matplotlib/mpl-data/fonts目錄下面修改配置文件matplotlibrc

font.family : sans-serif

font.sans-serif : SimHei, Bitstream Vera Sans, Lucida Grande, Verdana, Geneva, Lucid, Arial, Helvetica, Avant Garde, sans-serif

axes.unicode_minus:False

三、在Python中運行以下代碼從新加載字體使配置生效：

from matplotlib.font_manager import _rebuild

_rebuild() #reload

言歸正傳，在22小節中筆者選取了浙大網新、高鴻股份、開山股份、水晶光電四隻股票的收盤價以線性迴歸的方式擬合出走勢的角度，從而評估它們將來的趨勢。

因爲線性迴歸做用於股票收盤價的整個週期，所以選擇合適的時間段很是重要。好比以高鴻股份爲例，如下是它從2018年1月1日至今的走勢圖（參照股票《1六、股票交易數據可視化：技術分析經常使用指標繪製》實現）。

從圖中能夠看到2018年4月10月是單邊降低趨勢，而從10月份開始轉爲上升趨勢。那麼咱們分別對這兩段週期作線性迴歸後發現，單邊降低通道的擬合直線角度爲-0.97度，而上升通道擬合直線角度爲1.5度，股價的擬合直線角度從-0.97度至1.5度的轉變過程，其實也是由跌轉漲的過程。

在制定量化交易策略時有一種方式是尋找現象中的特徵，根據特徵去生成交易條件。那麼這裏給你們一個衍生的策略思路，既然線性迴歸做用於股票收盤價的整個週期，先後兩段徹底相反的週期會彼此做用，最終影響擬合的角度值，咱們能夠設定窗口期用移動窗口的方式擬合股票的走勢。

在22小節的FactorPickStockAng類中增長一個方法，代碼以下：

def fit_price(self, symbols, cycle=30, show=True):
 for index, stockName in enumerate(symbols.keys()):
 #kl_pd = getdata #參考fit_pick()方法，此處略
 kl_pd.fillna(method='bfill', inplace=True) 
 for kl_index in np.arange(0, kl_pd.shape[0]):
 if kl_index >= cycle:
 kl_pd.loc[kl_pd.index[kl_index], "ang"], x, reg_y_fit, y_arr = self.calc_regress_deg(kl_pd.Close[kl_index-cycle:kl_index]) 
 if show:
 kl_pd.fillna(method='bfill', inplace=True)
 plt.plot(np.arange(0, len(kl_pd.index)), kl_pd.ang)
 plt.title('compare ang')
 plt.legend(symbols.keys(), loc='best')
 plt.show()
複製代碼

執行該代碼examp_trade.fit_price(pick_stocks)可生成浙大網新、高鴻股份、開山股份、水晶光電四隻股票的收盤價移動線性迴歸曲線圖，能夠發現角度曲線的拐點預示開始反轉爲新一輪的走勢。

在《1六、股票交易數據可視化：技術分析經常使用指標繪製》小節的基礎上把移動線性迴歸擬合曲線增長到顯示界面中，箭頭所指示的位置做爲買賣點目前來看是有必定的盈利特徵的，不過此處只是爲了擴展你們的思路達到教學目的而設定的策略，你們能夠在這個基礎上展開更多股票和週期的回測以驗證策略的可靠性。更多的量化交易內容歡迎你們訂閱專欄閱讀！！