手把手：用Python搭建機(jī)器學(xué)習(xí)模型預(yù)測(cè)黃金價(jià)格

2018.02.16

關(guān)注

大數(shù)據(jù)文摘作品

編譯：小明同學(xué)君、吳雙、Yawei xia

新年總是跟黃金密不可分。新年第一天，讓我們嘗試用python搭建一個(gè)機(jī)器學(xué)習(xí)線性回歸模型，預(yù)測(cè)金價(jià)！

自古以來(lái)，黃金一直作為貨幣而存在，就是在今天，黃金也具有非常高的儲(chǔ)藏價(jià)值，那么有沒(méi)有可能預(yù)測(cè)出黃金價(jià)格的變化趨勢(shì)呢？

答案是肯定的，讓我們使用機(jī)器學(xué)習(xí)中的回歸算法來(lái)預(yù)測(cè)世界上貴重金屬之一,黃金的價(jià)格吧。

我們將建立一個(gè)機(jī)器學(xué)習(xí)線性回歸模型，它將從黃金ETF (GLD)的歷史價(jià)格中獲取信息，并返回黃金ETF價(jià)格在第二天的預(yù)測(cè)值。

GLD 是最大的以黃金進(jìn)行直接投資的ETF交易基金。

（詳見(jiàn)：http://www.etf.com/GLD）

在python的開(kāi)發(fā)環(huán)境下用機(jī)器學(xué)習(xí)預(yù)測(cè)黃金價(jià)格的步驟：

導(dǎo)入Python庫(kù)并讀取黃金ETF 的數(shù)據(jù)
定義解釋變量
將數(shù)據(jù)切分為模型訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集
建立線性回歸模型
預(yù)測(cè)黃金ETF的價(jià)格

導(dǎo)入Python庫(kù)并讀取黃金 ETF 的數(shù)據(jù)

首先:導(dǎo)入實(shí)現(xiàn)此策略所需的所有必要的庫(kù)（LinearRegression，pandas，numpy，matplotlib，seaborn和fix_yahoo_finance)

# LinearRegression is a machine learning library for linear regression

from sklearn.linear_model import LinearRegression

# pandas and numpy are used for data manipulation

import pandas as pd

import numpy as np

# matplotlib and seaborn are used for plotting graphs

import matplotlib.pyplot as plt

import seaborn

# fix_yahoo_finance is used to fetch data import fix_yahoo_finance as yf

然后我們讀取過(guò)去10年間每天黃金ETF的價(jià)格數(shù)據(jù)，并將數(shù)據(jù)儲(chǔ)存在Df中。我們移除那些不相關(guān)的變量并使用dropna函數(shù)刪除NaN值。然后我們繪制出黃金ETF的收盤(pán)價(jià)格。

# Read data

Df = yf.download('GLD','2008-01-01','2017-12-31')

# Only keep close columns

Df=Df[['Close']]

# Drop rows with missing values

Df= Df.dropna()

# Plot the closing price of GLD

Df.Close.plot(figsize=(10,5))

plt.ylabel('Gold ETF Prices')

plt.show()

輸出

定義解釋變量

解釋變量是被用來(lái)決定第二天黃金ETF價(jià)格數(shù)值的變量。簡(jiǎn)單地說(shuō)，就是我們用來(lái)預(yù)測(cè)黃金ETF價(jià)格的特征值。本例中的解釋變量是過(guò)去3天和9天的價(jià)格移動(dòng)平均值。我們使用dropna()函數(shù)刪除NaN值，并將特征變量存于X中。

然而，你還可以在X中放入更多你認(rèn)為對(duì)于預(yù)測(cè)黃金ETF價(jià)格有用的變量。這些變量可以是技術(shù)指標(biāo)，也可以是另一種ETF的價(jià)格（如黃金礦工ETF (簡(jiǎn)稱GDX)或石油ETF(簡(jiǎn)稱USO)）或美國(guó)經(jīng)濟(jì)數(shù)據(jù)。

Df['S_3'] = Df['Close'].shift(1).rolling(window=3).mean()

Df['S_9']= Df['Close'].shift(1).rolling(window=9).mean()

Df= Df.dropna()

X = Df[['S_3','S_9']]

X.head()

輸出

定義因變量

同樣，因變量是取決于解釋變量的“被解釋變量”。簡(jiǎn)單地說(shuō)，在這里就是我們?cè)噲D預(yù)測(cè)的黃金ETF價(jià)格。我們將黃金ETF的價(jià)格賦值為y。

y = Df['Close']

y.head()

輸出

2008-02-08 91.000000

2008-02-11 91.330002

2008-02-12 89.330002

2008-02-13 89.440002

2008-02-14 89.709999

Name: Close, dtype: float64

將數(shù)據(jù)切分為模型訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集

在此步驟中，我們將預(yù)測(cè)變量（解釋變量）數(shù)據(jù)和輸出（因變量）數(shù)據(jù)拆分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集。訓(xùn)練數(shù)據(jù)用于建立線性回歸模型，將輸入與預(yù)期輸出配對(duì)。測(cè)試數(shù)據(jù)用于評(píng)估模型的訓(xùn)練效果。

前80%的數(shù)據(jù)用于訓(xùn)練模型，其余的數(shù)據(jù)用來(lái)測(cè)試模型。
X_train 和y_train是訓(xùn)練數(shù)據(jù)集。
X_test & y_test是測(cè)試數(shù)據(jù)集。

t=.8

t = int(t*len(Df))

# Train dataset

X_train = X[:t]

y_train = y[:t]

# Test dataset

X_test = X[t:]

y_test = y[t:]

建立線性回歸模型

接下來(lái)我們將建立一個(gè)線性回歸模型。什么是線性回歸呢?

如果我們?cè)噲D捕捉可以最優(yōu)解釋Y觀測(cè)值的X變量和Y變量之間的數(shù)學(xué)關(guān)系，我們將在X的觀測(cè)值形成的散點(diǎn)圖中去擬合一條線，那么這條線，也就是x和y之間的方程就被稱為線性回歸分析。

再進(jìn)一步地說(shuō)，回歸解釋了因變量在自變量上的變化。因變量y是你想要預(yù)測(cè)的變量。自變量x是用來(lái)預(yù)測(cè)因變量的解釋變量。下面的回歸方程描述了這種關(guān)系:

Y = m1 * X1 + m2 * X2 + CGold ETF price = m1 * 3 days moving average + m2 * 15 days moving average + c

然后我們利用擬合方法來(lái)擬合自變量和因變量(x和y)，從而生成系數(shù)和回歸常數(shù)。

linear = LinearRegression().fit(X_train,y_train)

print 'Gold ETF Price =', round(linear.coef_[0],2), \

'* 3 Days Moving Average', round(linear.coef_[1],2), \

'* 9 Days Moving Average +', round(linear.intercept_,2)

輸出

黃金ETF價(jià)格=1.2×3天的移動(dòng)平均價(jià)－0.2×9天的移動(dòng)平均價(jià)+0.39

預(yù)測(cè)黃金ETF的價(jià)格

現(xiàn)在，是時(shí)候檢查模型是否在測(cè)試數(shù)據(jù)集中有效了。我們使用由訓(xùn)練數(shù)據(jù)集建立的線性模型來(lái)預(yù)測(cè)黃金ETF的價(jià)格。預(yù)測(cè)模型可以得到給定解釋變量X后相應(yīng)的黃金ETF價(jià)格(y)。

predicted_price = linear.predict(X_test)

predicted_price = pd.DataFrame(predicted_price,index=y_test.index,columns = ['price'])

predicted_price.plot(figsize=(10,5))

y_test.plot()

plt.legend(['predicted_price','actual_price'])

plt.ylabel('Gold ETF Price')

plt.show()