Python算法交易

152

｜

第

5

章

图 5-4：欧元 / 美元汇率和基于线性回归的预测值（五个滞后，仅三个月）

5.1.4

预测未来收益

到目前为止，分析是基于绝对速率水平进行的。但是，（对数）回报可能是此类统

计应用程序的更好选择，例如，由于它们具有使时间序列数据保持平稳的特性。将

线性回归应用于收益数据的代码与以前几乎相同。这次不仅今天的收益与预测明天

的收益相关，而且回归结果实质上也完全不同：

In [31]: data['return'] = np.log(data['price'] /

data['price'].shift(1))

In [32]: data.dropna(inplace=True)

In [33]: cols = []

for lag in range(1, lags + 1):

col = f'lag_{lag}'

data[col] = data['return'].shift(lag)

cols.append(col)

data.dropna(inplace=True)

In [34]: reg = np.linalg.lstsq(data[cols], data['return'],

rcond=None)[0]

通过机器学习预测市场动向

｜

153

In [35]: reg

Out[35]: array([-0.015689 ...