Python多元线性回归预测分析,python实现线性回归模型预测

  Python多元线性回归预测分析,python实现线性回归模型预测

  本文主要介绍python数据分析的线性回归选择基金。在前面文章的基础上,文章对基金的走势做了详细的分析。感兴趣的朋友可以参考一下。

  00-1010 1前言2基金趋势分析3数据抓取与分析3.1基金数据抓取3.2数据分析4摘要

  

目录

  在前一章,我们已经尽力了。我们一直使用python爬虫来抓取数据,然后将数据信息存储在数据库中。至此,我们完成了基本信息的处理。接下来,我们将处理更高级的内容。今天我们就从基金的走势分析开始。

  

1 前言

  基金的趋势是选择一些业绩比较强的基金。什么样的基金强?那就是要稳,逐渐一路向北。通常资金会沿着一条趋势线向上或向下,资金的趋势形成比股票更确定。下图就是一个例子,展示了华夏中证新能源汽车ETF的走势。可以看出,这只基金的走势基本遵循红色趋势线。我们今天要做的是用数学-线性回归的方法计算这个趋势的斜率和趋势表的可靠性。

  这里分析基金走势的模型采用线性回归,假设其走势符合{y=kxb} y=kxb,其中y为对应的收益率,x为时间。k的值就是斜率。我们现在要做的就是利用这组基金的数据计算出这个K值,这样就可以利用这个K值进行基金对比。

  

2 基金趋势分析

  

3 数据抓取与分析

  抓取基金数据的历史收益率数据。

  #抓取基金历史收益率数据连接。

  http://api.fund.eastmoney.com/pinzhong/LJSYLZS?fundCode=515030ampindexcode=000300amp类型=y

  #参数描述

  FundCode是要查询的基金代码。

  代码基金比较基准数据,默认值为沪深300(000300)

  Type是数据查询的周期,m是一个月,q是3个月,hy是6个月,y是一年,try是3年,fiy是5年,sy是今年最大的。

  复制代码

  api接口返回的数据中,0代表基金数据,1是同类基金的平均值,2是沪深300的数据。

  具体的实现代码见图:

  

3.1 基金数据抓取

  Matplotlib和sklearn.linear_model用于数据分析。第一个是数据的图形展示,第二个是线性分析工具,用来计算基金的K值。对于线性分析的内容,有兴趣的可以查询线性分析的计算细节。

  下图显示了数据模型计算和图形显示的代码。

  以新能源ETF数据为例,我们得到y=0.3541x b的趋势线,这个线性模型的得分是0.741。其实这个分数已经相当高了。收益率越大,波动越大,与线性规划的拟合度越低。

  但是有例外吗?以田弘增利短债C(008647)为例。它的得分相当高,从图形显示中可以看出。而债券型基金的K值却远低于股票型基金的K值比,高风险高收益,低风险低收益。收益是对风险的补偿。

  

3.2 数据分析

  本章用线性规划分析基金的走势,用定量分析对基金进行分析和筛选。最后,这种方法可以用来分析所有的基金,筛选出趋势性强的基金进行投资。

  这就是这篇关于python数据分析的线性回归选择基金的文章。有关python数据分析的更多信息,请搜索热门IT软件开发工作室之前的文章或继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室!

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: