Python机器学习案例精解

第7章　用回归算法预测股价

在本章中，我们解决一个每个人都十分感兴趣的问题——预测股价。巧妙投资，获得财富，谁不想！实际上，大量金融、贸易乃至搞技术的公司，一直在积极研究股市的动作和股价预测。他们开发了多种用机器学习技术预测股价的方法。本章，我们将重点学习线性回归、回归树、回归森林和支持向量回归这几种流行的回归算法，用它们解决这个价值高达数十亿（甚至万亿）美元的问题。

在本章中，我们将深入讲解以下主题。

• 介绍股市和股价。
• 什么是回归？
• 特征工程。
• 获取股票数据，生成预测特征。
• 什么是线性回归？
• 线性回归的原理。
• 实现线性回归。
• 什么是决策树回归？
• 回归树的原理。
• 实现回归树。
• 从回归树到回归森林。
• 什么是支持向量回归？
• 支持向量回归的原理。
• 实现支持向量回归。
• 回归性能评估。
• 用回归算法预测股价。

7.1　股市和股价的简介

公司的股票表示对公司的所有权。股票的份额表示股民对公司资产和收入拥有的所有权的份额。例如，一位股民持有某公司已发行股票1000股中的50股，那么该股民（或股东）不仅拥有这些股票，还拥有公司5%的资产和收入。

公司的股票可在股东和其他团体之间，通过股票交易中心和机构交易。主要的股票交易中心有纽约证券交易所、纳斯达克、伦敦证券交易所、上海证券交易所和香港证券交易所。股票交易价格基本上受供求变化的影响而波动。某一时刻，供为公众投资者手中持有的股票数，求为股民想买进的股票数。为了获得和维持平衡，股票的价格起起落落。

通常，股民想低买高卖。听起来很简单，实践起来却相当有挑战，因为很难判断一只股票是涨还是跌。股票研究的两大主流是基础分析和技术分析，研究者尝试理解导致股票价格变化的因素和条件，甚至预测未来股价走势。

• 基础分析，重点研究影响公司价值和业务的潜在因素。从宏观角度讲，包括整体经济形势和行业环境；从微观角度讲，包含公司的财务状况、管理和竞争对手等。 ...