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

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。