量化投资学习笔记103——股价预测1:总体规划及数据获取

发表于 | 分类于
| 字数统计: 1.9k | 阅读时长 ≈ 8

又想了一个问题:预测股价。这回跟量化有直接关系了吧？
先看两篇文章
首先是一篇综述性文章。
徐程成.股票价格预测方法综述.中国市场,2020, (9):42-43,68.
股票预测的方法有:
1.传统方法:
①基于统计学和概率论的VAR(向量自回归模型)、ARM(自回归滑动平均模型)、指数平滑模型。
②基于非统计原理的GM、SVM以及ANN创新型预测模型。
③灰色预测法。
④人工神经网络。
2.集合经验模态分解方法(EEMD)
3.机器学习方法:多种机器学习方法与金融模型融合。
4.时间序列方法:ARMA,ARIMA,GARCH等，以及与小波分析等方法结合。
5.神经网络:BP神经网络，小波神经网络，遗传算法等。
再来看具体的预测方法。
一篇用简单的多元线性回归模型进行预测的:
王培冬.基于多元线性回归的股价分析及预测.科技经济市场，2020(1):84-85.
此文用多元线性回归模型对沪深300指数进行了预测，以开盘价，收盘价，最高价，最低价，成交量，成交额，次日开盘价为自变量，以第二天收盘价为预测目标，用多元线性回归模型进行预测。我先用python尝试实现一下吧。
首先要搞到数据。开始用tushare，这个我从一开始就用了，发现提示要升级到pro版了，要使用更多功能要去挣积分，关键是积分有效期一年……我尝试了一下，好麻烦。收费我绝对不反对，但不应该这么折腾初级用户。想到了我以前用的一个笔记软件——为知笔记。它开始收费我就换到印象笔记了，尽管免费版基本够用了，我还是买了高级账户。扯远了，回来。找到个替代品:akshare。官网
选取沪深300指数2018年一整年的数据进行预测分析。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
import tushare as ts
import akshare as ak
import pandas as pd
import os
import run


# 下载历史数据，用akshare
@run.change_dir
def downloadData(code="sh000300"):
    result = ak.stock_zh_index_daily_em(symbol=code)
    result.index = result.date
    result = result.loc[:, ["open", "close", "high", "low", "volume", "amount"]]
    # print(result)
    result.to_csv("./result.csv")
    
    
# 从文件读取数据
@run.change_dir
def loadData(code="sh000300", start="2018-01-01", end="2018-12-31", refresh = False):
    datafile = "./result.csv"
    if os.path.exists(datafile) == False or refresh == True:
        downloadData(code)
    data = pd.read_csv("./result.csv", index_col="date")
    data = data[start : end]
    # print(data.describe())
    return data

接着对数据进行处理，生成特征和目标值。次日收盘价为目标值。
就用多元线性回归模型对次交易日指数进行预测。

1
2
3
4
5
6
7
# 数据预处理
def preProcess(data):
    data["nextclose"] = data["close"].shift(-1)
    data["nextopen"] = data["open"].shift(-1)
    result = data.iloc[:-1, :]
    print(len(result))
    return result

OK，可以开始干活了。
加载完数据，画箱状图看看。

成交量数据远远大于其它数据，做标准化吧。
做完再画图看看。(标化以后又乘500再加了3500)

画配对图看看

OK，开始正式干活吧。

1
2
3
4
5
6
7
# 训练
model = LinearRegression()
model.fit(X_train, Y_train)
a = model.intercept_
b = model.coef_
print("截距:", a)
print("回归系数:", b)

结果
截距: [2.36916081] 回归系数: [[-0.15301665 0.17758906 0.25901863 -0.39743459 -0.02732929 1.09816001 0.04366043]]
模型评分: 0.9880317755151593
论文给出的R²评分为0.989或0.988，我的结果与其很接近的。
下面输出残差对预测值的散点图。

随机分布，无任何规律性，说明数据满足模型基本假设。
下面应用模型，载入2019年的数据，用模型进行预测看看。
模型验证评分: 0.976653552728345

验证结果，大的趋势还是蛮像的，但是短期会有很大偏离。而我们使用今天的数据(以及明天开盘的数据)预测明天收盘，所以这种预测并没有啥卵用……
再看看预测误差

画直方图看看。

基本还是正态分布的。平均误差率-0.15%。
现在，来重构一下整个程序，把重复的部分提取出来。
最后，用一个策略来实际检验一下模型吧:从第二个交易日开始，用模型对当天的收盘价进行预测，并与头一天对比，如果上涨则以开盘价全仓(前一天资金的90%，因为还要cover手续费)买入，如果下跌则以开盘价清仓。当然这个策略不太真实，我不可能以开盘价买入，而且买入那么多。
这是用2019年整年的数据回测的结果。

可以说相当好了，一年涨了3倍。下面计算各种回测指标。用empyrical库计算，建了一个回测类。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
import empyrical as ey
import math




# 策略回测类
class BackTest:
    def __init__(self, model, code="sh000300", start="2019-01-01", end="2019-12-31"):
        self.data = loadData(code=code, start=start, end=end)
        self.X, self.Y = splitData(self.data)
        self.model = model             # 模型
        self.stock = [0]                     # 持仓
        self.cash = [100000000]    # 现金
        self.value = []                        # 资产总额
        self.cost = [0.0]                    # 交易成本
        self.fee_rate = 1e-4              # 手续费率
        self.modelname = str(model)[:-2] # 模型名称
        self.bk_results = pd.DataFrame()
        
    # 进行回测
    def run(self):
        for i in range(len(self.data)):
            today_X = self.X.iloc[i, :]
            pred_Y = self.model.predict(today_X.values.reshape(1, -1))
            if i == 0:
                # print("第0天")
                amount = 0
            elif pred_Y[0][0] > today_X.open: # 全仓买入
                # print("买")
                money = self.cash[i - 1]
                price = today_X.open
                amount = math.floor(0.9*money/price)
                # 买入操作
                self.stock.append(self.stock[i-1] + amount)
                self.cash.append(money - price*amount*(1.0 + self.fee_rate))
                self.cost.append(self.cost[i-1] + price*amount*self.fee_rate)
            elif pred_Y[0][0] <= today_X.open: # 清仓
                # print("卖")
                amount = self.stock[i-1]
                price = today_X.open
                self.stock.append(0)
                money = amount*price
                self.cash.append(money*(1.0 - self.fee_rate) + self.cash[i-1])
                self.cost.append(self.cost[i-1] + money*self.fee_rate)
            self.value.append(self.cash[i] + self.stock[i]*today_X.close)
            
        # 生成收益率数据
        self.genReturn()
        
        # 计算回测指标
        self.evaluation()
        
        return self.bk_results
            
    # 生成收益率数据
    def genReturn(self):
        # 生成收益率数据
        self.return_value = pd.DataFrame(self.value)
        self.return_value["value"] = self.value
        self.return_value["returns"] = self.return_value["value"].pct_change()
        self.return_value["benchmark_returns"] = self.data["close"].pct_change().values
        self.return_value["date"] = self.data.index[:len(self.value)]
        self.return_value.index = self.return_value["date"]
            
    # 画结果
    def draw(self):
        oldpath = os.getcwd()
        newpath = "/home/code/"
        os.chdir(newpath)
        plt.figure()
        plt.plot(self.value)
        plt.savefig("./output/" + modelname + "_backtest_value.png")
        plt.close()
        # 画每日收益率图
        plt.figure()
        plt.plot(self.return_value["returns"])
        plt.savefig("./output/" + modelname + "_backtest_returns.png")
        plt.close()
        os.chdir(oldpath)
        
    # 计算并返回回测评估结果
    def evaluation(self):
        returns = self.return_value.returns
        benchmark = self.return_value.benchmark_returns
        excess_return = returns - benchmark
    
        # 用empyrical计算回测指标
        # 年化收益率
        self.bk_results["年化收益率"] = [ey.annual_return(returns)]
        # 累计收益率
        self.bk_results["累计收益率"] = [ey.cum_returns(returns)]
        # 最大回撤
        self.bk_results["最大回撤"] = [ey.max_drawdown(returns)]
        # 夏普比率
        self.bk_results["夏普比率"] = [ey.sharpe_ratio(excess_return)]
        # 索提比率
        self.bk_results["索提比率"] = [ey.sortino_ratio(returns)]
        # αβ值
        ab = ey.alpha_beta(returns, benchmark, risk_free = 0.02)
        self.bk_results["α"] = ab[0]
        self.bk_results["β"] = ab[1]

回测结果:
最大回撤 -0.014615
夏普比率 6.859218
索提比率 49.698812
α -0.729592
β 0.5453
好不好呢？不好评价，看看其它方法吧。
源代码

我发文章的三个地方，欢迎大家在朋友圈等地方分享，欢迎点“在看”。
我的个人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的微信个人订阅号：赵瑜敏的口腔医学学习园地

欢迎打赏！感谢支持！