Python实现股票涨跌预测——随机森林模型

''' python3.7 -*- coding: UTF-8 -*- @Project -> File ：Code -> Stock @IDE ：PyCharm @Author ：YangShouWei @USER: 296714435 @Date ：2021/3/18 15:52:15 @LastEditor: ''' import tushare as ts # 引入股票基本数据相关库 import numpy as np import pandas as pd import talib # 引入股票衍生变量数据相关库 import matplotlib.pyplot as plt from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score # 引入预测准确度评分函数 from sklearn.model_selection import GridSearchCV # 网格搜索参数调优函数 # #获取数据 # 1. 获取股票基本数据 df = ts.get_k_data('000002', start='2016-01-01',end='2020-12-31') df = df.set_index('date') # 将日期作为索引值 # 2.简单衍生变量数据构造 df['close-open'] = (df['close']-df['open'])/df['open'] df['high-low'] = (df['high']-df['low'])/df['low'] df['pre_close'] = df['close'].shift(1) df['price_change'] = df['close']-df['pre_close'] df['p_change'] = (df['close']-df['pre_close'])/df['pre_close']*100 # 3.移动平均线相关数据构造 df['MA5'] = df['close'].rolling(5).mean() df['MA10'] = df['close'].rolling(10).mean() df.dropna(inplace=True) # 4. 通过TA_Lib 库构造衍生变量数据 df['RSI'] = talib.RSI(df['close'], timeperiod=12) df['MOM'] = talib.MOM(df['close'],timeperiod=5) df['EMA12'] = talib.EMA(df['close'],timeperiod=12) df['EMA26'] = talib.EMA(df['close'], timeperiod=26) df['MACD'], df['MACDsignal'], df['MACDhist'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9) df.dropna(inplace=True) # # 提取特征变量和目标变量 X = df[ ['close', 'volume', 'close-open', 'MA5', 'MA10', 'high-low', 'RSI', 'MOM', 'EMA12', 'MACD', 'MACDsignal', 'MACDhist'] ] '''使用了NumPy库中的where()函数，传入的3个参数的含义分别为判断条件、满足条件的赋值、不满足条件的赋值。其中df['price_change'].shift（-1） 是利用shift()函数将price_change（股价变化）这一列的所有数据向上移动1行，这样就获得了每一行对应的下一天的股价变化。 因此，这里的判断条件就是下一天的股价变化是否大于0，如果大于0，说明下一天股价涨了，则y赋值为1；如果不大于0，说明下一天股价不变或跌了，则y赋值为-1。 预测结果就只有1或-1两种分类。''' y = np.where(df['price_change'].shift(-1) > 0, 1, -1) # #划分训练集和测试集 '''需要注意的是，划分要按照时间序列进行，而不能用train_test_split()函数进行随机划分。 这是因为股价的变化趋势具有时间性特征，而随机划分会破坏这种特征，所以需要根据当天的股价数据预测下一天的股价涨跌情况， 而不能根据任意一天的股价数据预测下一天的股价涨跌情况。''' X_length = X.shape[0] # shape属性获取X的行数和列数，shape[0]即为行数 split = int(X_length*0.9) X_train, X_test = X[:split], X[split:] y_train, y_test = y[:split], y[split:] # # 模型搭建 '''决策树的最大深度max_depth设置为3，即每个决策树最多只有3层；弱学习器（即决策树模型）的个数n_estimators设置为10， 即该随机森林中共有10个决策树； 叶子节点的最小样本数min_samples_leaf设置为10，即如果叶子节点的样本数小于10则停止分裂； 随机状态参数random_state的作用是使每次运行结果保持一致，这里设置的数字1没有特殊含义，可以换成其他数字。''' rfc = RandomForestClassifier(max_depth=3, n_estimators=10, min_samples_leaf=10, random_state=1) rfc.fit(X_train,y_train) y_pred = rfc.predict(X_test) print('预测情况:\n', y_pred) '''预测属于各个分类的概率，获得的y_pred_proba是一个二维数组，其第1列为分类为-1（下一天股价不变或下跌）的概率， 第2列为分类为1（下一天股价上涨）的概率''' y_pred_proba = rfc.predict_proba(X_test) # 模型准确度评估 score = accuracy_score(y_pred, y_test) print(score) print(rfc.score(X_test,y_test)) # 和score值一样，等价操作 # # 分析特征变量的重要性 print(rfc.feature_importances_) # 对特征按照计算出来的特征重要性进行排序（降序） features = X.columns importances= rfc.feature_importances_ a = pd.DataFrame() a['特征'] = features a['特征重要性'] = importances a = a.sort_values('特征重要性', ascending=False) print(a) # #参数调优 '''n_estimators参数的候选值范围为{5，10，20}，max_depth参数的候选值范围为{2，3，4，5}， min_samples_leaf参数的候选值范围为{5，10，20，30}。''' parameters = {'n_estimators': [5, 10, 20], 'max_depth': [2, 3, 4, 5], 'min_samples_leaf': [5, 10, 20, 30]} new_rfc = RandomForestClassifier(random_state=1) # 构建的随机森林模型 '''设置cv参数为6，表示交叉验证6次；设置模型评估标准scoring参数为'accuracy'，即以准确度作为评估标准， 如果设置成'roc_auc'则表示以ROC曲线的AUC值作为评估标准。''' grid_search = GridSearchCV(new_rfc, parameters, cv=6, scoring='accuracy') grid_search.fit(X_train, y_train) print(grid_search.best_params_) # 打印调参最优结果 X_test['prediction'] = rfc.predict(X_test) # 计算每天的股价变化率，即（当天的收盘价-前一天的收盘价）/前一天的收盘价。 X_test['p_change'] = (X_test['close'] - X_test['close'].shift(1))/X_test['close'].shift(1) X_test['origin'] = (X_test['p_change']+1).cumprod() '''因为是根据当天的股价数据预测下一天的股价涨跌情况，如果预测为1，则在下一天买入，如果预测为-1，则在下一天卖出， 所以这里通过shift（1）将预测结果这一列向下移一行，这样才能和下一天的股价变化率相匹配，再用cumprod()函数来计算收益率。''' X_test['strategy'] = (X_test['prediction'].shift(1)*X_test['p_change']+1).cumprod() X_test[['strategy', 'origin']].dropna().plot() plt.gcf().autofmt_xdate() plt.show()