使用机器学习预测股价

股票价格预测有助于确定未来几天或几周内股票的走势，或者至少显示趋势。股票价格取决于多种因素，例如：

基本因素：收入，利润，市场份额，业务的潜在增长前景

外部因素：大流行病，例如新冠，外汇汇率，石油价格，黄金价格，债券收益率，全球股票市场

技术因素：价格走势，交易量，移动平均线，macd（移动平均趋同差异），rsi（相对强度指数），mfi（资金流量指数），支点，衍生产品到期日，期权未平仓合约，期货价格

不管有没有这些因素，

1. 股票价格不是随机的，它们的确遵循过去的历史趋势
2. 人为的决定是情感和理性的结合，倾向于查看过去的数据
3. 市场永远是对的。他们只会惩罚错误的决定
4. 贪婪，盲目打电话，高风险的食欲，谨慎行事可以根据时间奖励或惩罚投资者。

在本文中，我们将尝试使用facebook的prophet

预测

为了这个分析，我选择了cdsl(印度*存托服务有限公司)的股票。数据可以从https://www.nseindia.com/get-quotes/equity?symbol=cdsl下载，并点击历史数据。考虑到2020年3月的市场崩盘是一个黑天鹅事件，我取了从2020年4月到2021年4月的一年数据。

import pandas as pd
cdsl = pd.read_csv(‘/users/ravindraprasad/01-elicherla/01-datascience/cdslapril.csv’

上面的代码是导入_pandas _并下载数据。请在代码中使用适当的文件夹。

cdsl在下面显示带有标题的数据。

列名有一个小问题。以免在列中列出

list(cdsl.columns)

如您所见，在列名的末尾有一个空格

我正在更改列名

df = cdsl.rename(columns = {‘date ‘: ‘date’, ‘series ‘: ‘series’, ‘open ‘: ‘open’ , ‘high ‘: ‘high’, ‘low ‘: ‘low’, ‘prev. close ‘: ‘prev. close’, ‘ltp ‘: ‘ltp’, ‘close ‘: ‘close’, ‘vwap ‘: ‘vwap’, ‘52w h ‘: ‘52w h’, ‘52w l ‘: ‘52w l’ , ‘volume ‘: ‘volume’, ‘no of trades ‘:’no of trades’ }, inplace = false)

现在，所有列名称都更改为相同的名称，但没有空格

要使用先知，日期是重要的变量。

cdsl ['date']

看起来确实是正确的日期。但是，当我们进行排序时，就会遇到挑战。如您在下面看到的，它没有正确排序。这是因为日期格式不正确。

现在，让我们更改日期格式。

df[‘date’] = pd.to_datetime(df.date,format=’%d-%b-%y’)
df.sort_values(by=[‘date’], inplace=true, ascending=true)
df

现在日期已经整理好了。让我们使用matplotlib绘制数据

from matplotlib import pyplot as plt
import numpy as np
x = df[‘date’]
y = df[‘ltp’]
plt.plot(x, y)

现在是时候为先知准备数据了。先知只需要两个变量。我们将使用date和ltp（这是最后交易价格）

dfdata = df[[“date”,”ltp”]]
dfdata.rename(columns={“date”:”ds”}, inplace=true)
dfdata.rename(columns={“ltp”:”y”}, inplace=true)

对于先知，我们需要在上面将其重命名为" ds"和" y"两个变量。在进行预测之前，让我们快速查看数据

导入先知并使用数据创建模型。

from fbprophet import prophet
m = prophet()
m.fit(dfdata)

让我们预测接下来的300天。

future = m.make_future_dataframe(periods=300)
future.tail()

forecast = m.predict(future)
dfforecast= forecast[[“ds”, “yhat”, “yhat_lower”, “yhat_upper”]]
pd.set_option(‘display.max_rows’, dfforecast.shape[0]+1)
dfforecast

fig1 = m.plot(forecast)

fig2 = m.plot_components（预测）

让我们建立交互式图形。

from fbprophet.plot import plot_plotly
import plotly.offline as py
py.init_notebook_mode()
fig = plot_plotly(m, forecast) # this returns a plotly figure
py.iplot(fig)

该模型预测cdsl达到rs。2021在11月1日当周，而卢比的下限较低。859卢比以上。1164.让我们拭目以待！！！

最后友情提醒：股市有风险,入市需谨慎！

最近准备看一些机器学习、深度学习方面的论文为后面读研打基础！在学习过程中搜集了入门器学习、深度学习经典书籍，关注公众号[程序员石磊]，回复“机器学习”即可免费获得！