通银股票网

当前位置:首页 >> 股票行情

股票行情

股价预测-股票的涨跌能预测吗?

2020-11-19 01:00:53股票行情
股价的预测的计算方法是什么?我最近在做股价预测的研究,了解到的方法可分为两类,统计学方法和人工智能方法。统计学方法有logistic回归模型、ARCH模型等,人

股价的预测的计算方法是什么?

股价的预测的计算方法是什么?

我最近在做股价预测的研究,了解到的方法可分为两类,统计学方法和人工智能方法。统计学方法有logistic回归模型、ARCH模型等,人工智能有BP神经网络、支持向量机等。推荐你看看 庞素琳的《信用评价与股市预测模型研究及应用:统计学、 神经网络与支持向量机方法》,讲的很全面,对入门很有帮助

有没有可能通过机器学习预测股价走势?

有没有可能通过机器学习预测股价走势?

如果给定一组股价数据集我们是不是有可能预测出未来的股价走势?从机器学习的角度来说,预测股价走势就是一个数据科学问题,但从有效市场理论来说,股票市场因为受众多因素影响是随机的和不可预测的。

在本文中我们将尝试使用三种不同的模型来预测苹果公司的股价,并且我们会把这三种模型的结果绘制在一张图上以进行比较。因此,本文主要将分为如下四部分:

  • 安装依赖项

  • 收集数据

  • 编写模型脚本

  • 可视化分析

下面是本实现所需要的四个依赖项:

pip install csv

pip install numpy

pip install scikit-learn

pip install matplotlib

其中,CSV 允许我们从股价 CSV 格式的文件中读取数据,Numpy 允许我们在数据集上执行计算,而 sikit-learn 允许我们构建预测模型,当然最后我们还需要使用 matplotlib 绘制数据点和模型曲线,因此我们才能进行可视化分析。

下面,首先需要从 Google Finance 下载数据集,我们可以在如下搜索框键入「NASDAQ:AAPL」,在点击左侧的历史数据后选择下载。

下面我们需要写模型,首先我们要导入函数库,小编使用的是 Jupyter notebook,上面四个包是 Anaconda 预安装的,所以直接导入并没有报错。

import csv

import numpy as np

from sklearn.svm import SVR

import matplotlib.pyplot as plt

下面则是定义变量和读取数据的函数 get_data():

dates = []

prices = []

def get_data(filename):

with open(filename, 'r') as csvfile:

csvFileReader = csv.reader(csvfile)

next(csvFileReader)

for row in csvFileReader:

dates.append(int(row[0].split('-')[0]))

prices.append(float(row[1]))

return

在上面的代码中,我们首先需要初始化两个空列表,即 dates 和 prices。下面我们需要构建 get_data() 以读取股票数据并存入变量中,其中 filename 就是我们所下载的数据集名称。在这个函数中,我们需要打开 CSV 格式的文件,读取并储存在 CSV 文件变量中。Open() 函数代表抽取文件内容,其中'r'代表读取操作。如上所示,我们在使用 csv.reader() 读取 csv 文件变量后将其赋予 csvFileReader 变量。并且随后采用一个循环语句对于 csv 文件的每一行,将日期和价格分别添加到我们前面所定义的变量中,python 中的 append 方法会在列表尾部添加一个新元素。而 Python 中的 split() 方法通过指定分隔符对字符串进行切片,在本文的语句中 row[0].split('-')[0] 代表 csv 文件每行的第一元素以'-'为标准进行分割,并且只取分割后的第一个元素,也就是每个月的哪一天。

def predict_prices(dates, prices, x):

dates = np.reshape(dates, (len(dates), 1))

svr_lin = SVR(kernel= 'linear', C=1e3)

svr_poly = SVR(kernel= 'poly', C=1e3, degree= 2)

svr_rbf = SVR(kernel= 'rbf', C=1e3, gamma=0.1)

svr_lin.fit(dates, prices)

svr_poly.fit(dates, prices)

svr_rbf.fit(dates, prices)

如上所示的代码,下面我们需要构建预测模型。首先需要使用 Numpy 将列表元素转换为 n*1 的矩阵,其中 reshape 函数的三个参数分别代表所要重塑的列表元素、长度为列表元素的个数、并且为 1*n 维矩阵,n 的值等于我们数据量的大小。下面我们创建出三种支持向量机模型。

支持向量机是一种强大的分类模型,它试图在保留最大间隔的条件下寻找决策边界并将数据分割出来,然后模型根据决策边界对新数据进行预测。SVM 同样可以用于回归任务,支持向量回归同样也是一种 SVM 模型,它将数据点间的间隔作为误差以预测最可能出现的下一个数据点。

plt.scatter(dates,

prices,

color="black",

label="Data")

plt.plot(dates,

svr_rbf.predict(dates),

color="red",

label="RBF Model")

plt.plot(dates,

svr_lin.predict(dates),

color="green",

label='linear Model')

plt.plot(dates,

svr_poly.predict(dates),

color="blue",

label="Ploynomial Model")

plt.xlabel('Dates')

plt.ylabel('Price')

plt.title('Support Vector Reg')

plt.legend()

plt.show()

return svr_rbf.predict(x)[0], svr_lin.predict(x)[0], svr_poly.predict(x)[0]

get_data('aapl.csv')

predicted_prices = predict_prices(dates, prices, 29)

print(predicted_prices)

随后我们可以创建图表,我们可以将初始数据点表示为黑点,不同的模式使用不同颜色的曲线表示。如上所示,我们在使用 plot() 函数时,因为要在一张图上绘制所有的信息,所以我们需要将所有信息绘制完成后在 plot.show() 展示图像。其中 plt.scatter() 表示绘制散点图,而 plt.plot() 表示绘制连线图。在绘制模型曲线时,我们需要调用前面使用 scikit-learn 训练的模型预测器,比如说 svr_lin.fit(dates, prices) 代表使用数据拟合线性支持向量回归,而后面需要调用这一模型进行预测就需要使用 svr_lin.predict(dates),其代表着调用模型对变量 datas 中的数据进行预测。

下面展示了这三个模型所绘制出的可视化图表。

股票价格走势可预测么?

股票价格走势可预测么?

不对,股票价格的变化是可以通过的一定的方法进行预测的,价格是通过环境、意图和行为来决定,对于这三个方面做出大概的信息收集,加上合理的推理模式,那么股票价格是可以预测的

股票的涨跌能预测吗?

股票的涨跌能预测吗?

中长期的走势可以预测。涨跌幅大概可以测算,但时间无法确定。高手们都知道要发生什么,但是不确定什么时候发生,所以买上股票都是拿上几年的,知道他终究要涨,但是不确定什么时候涨。

有人号称自己专做主升浪,对此我要表示大大的怀疑。每段时间内都有主升浪的股票,如果专做主升浪的话,一年实现几个小目标,应该丝毫不费力,可是《福布斯》排行榜为什么迟迟看不到你的名字呢?

短线无法预测,预测短线的人可能能对一阵子,可是要一直对,那就是吹牛不上税了。做短线是一件既费神又赚不着钱的事儿,连大佬和主力都在做中长线投资,你那仨瓜俩枣就别瞎折腾了,买进去等就可以了。

有人又会出来说,短线高手还有谁谁谁,做的如何如何,赚了多少多少。那我要反问一句,你是谁谁谁吗?你有那两下子吗?我不否认这个世界上有短线高手的存在,但是凤毛麟角,可遇不可求。我试过,反正我是没有那两下子。你要是觉得你行,你就可以去试不就好啦,不用在这儿杠。

怎样预测未来股票走势?

怎样预测未来股票走势?

首先要看大盘的走向如何,近期市场的整体交易策略如何,如果大盘很好,个股也会比较好,大盘很差,个股也很难逆势上扬。

首先,个股所属板块或者行业情况也会带动个股走势。

其次可以看个股的基本面,市盈率高低,市净率,收益情况。再次看个股消息面有没有利好消息。还需要从技术面进行分析,换手率、交易量、量比等指标。

一般新手都不太会分析,可以借助一些软件,比如股票雷达等。汇集了网上各方观点看法,在股票雷达自主创新研发的股票情绪量化分析模型基础之上,从而分析出走势预测。

股票价格真的能预测吗?

股票价格真的能预测吗?

股票价格,当然能够预测!万物都有规律,股市也不例外。

一、从估值角度预测

这是对股票价格进行中长期预测的最根本方法,这是价值与价格规律在股票市场的具体作用。价值决定价格,价格围绕价值上下运动。就像散步时牵着一条狗,狗一会跑主人前面,一会跑主人后面,但却始终不会离开主人太远。

股票对应的是上市公司的股权,必须要用经营企业的心态来对待股票。持有一只股票,对私进行估值,是必须要做的工作。至于如何估值,就在我头条的其他回答里面有,有市盈率、市净率、PEG、DCF方法等。

二、从技术角度预测

这是对股票价格进行中短期预测的主要方法,这是供求规律和人性在股价上的作用。

生活中每一个外在现象,一定由其内在本质决定的。所以,你看到的每一样东西,都绝不是偶然,股市当然也不例外。

从中短期看,股票价格,受到供求关系影响。当进入股市的资金增加时,股票价格就涨,反之则跌。最典型的就是2015年的杠杆牛,所以,做股票,对金融政策,对货币供应,对利率等,都要密切关注。

技术分析,包括波浪理论、道氏理论、江恩理论、禅论等理论,尤其是K线、图形、各种技术指标等,既有所谓对自然规律的解剖,其实正真的是对人心理,尤其是人性的深刻理解和作用。人性的套牢恐惧,人的羊群效应心理,都被主力运用得淋漓尽致。价格的时间窗,作用了数列1、2、3、5、8、13、21……,价格涨跌运用了黄金分割比例0.382、0.618、1.382……算的时候,可能会有一定偏差,但往往比较接近。就算最基础的均线,也是对市场成本的简单作用,也就是看看当前价格相对于市场不同周期持有的人,价格比平均成本是高还是低了,有没有买入或卖出的压力,因为人心总是贪婪和恐惧的,这可以用乖离率BIAS指标等对中短期价格波动进行大概估计。

万物无常,但皆有其道。行动决定性质,而不是自己说是什么人就是什么人。股票的价格走势就是股票的历史,和人的历史一样,不代表将来,但一定继承和蕴含了下一步趋势的原有因素。要想改变,只有从根本变革,就像一个企业一样,需要从基本面改革开始,要改变价值,这才是根本的。人也是如此,只有改变自己的品德人格,从人品做起,才是根本的。

如果喜欢,赏个赞。也可以关注我,或者在右下角评论区留言。