利用幾何布朗運(yùn)動(dòng)模型預(yù)測(cè)股票價(jià)格

import os import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['simhei']#用于正常顯示中文標(biāo)簽 plt.rcParams['axes.unicode_minus']=False#用于正常顯示負(fù)號(hào) import tushare as ts import pandas as pd import numpy as np#獲取股票數(shù)據(jù) ts_code='600848' data_=ts.get_hist_data(ts_code)#獲得一天數(shù)據(jù)data_=pd.DataFrame(data_[['close']])#獲得其中的收盤價(jià) data_.sort_index(inplace=True)#按照日期做升序處理 data_['ratio']=[0.0000000000000000000]*len(data_) data_['date']=data_.index data_.index=range(data_.shape[0])#計(jì)算股價(jià)比率 for i in range(data_.shape[0]-1):data_['ratio'][i+1]=np.log(data_['close'][i+1]/data_['close'][i])#計(jì)算基礎(chǔ)參數(shù) T=30#周期為30天（一個(gè)月） k=3#第一個(gè)周期 data_train=data_.ix[(k-1)*T:(k*T-1),:]#選取過(guò)去一月的時(shí)間作為訓(xùn)練集 data_test=data_.ix[(k-1)*T:(k+1)*T-1,:]##選取過(guò)去第二月的時(shí)間作為測(cè)試集 mean=data_train['ratio'].sum()/T#計(jì)算樣本均值 S_2=((data_train['ratio']-mean)**2).sum()/(T-1)#計(jì)算樣本方差 miu=(mean+S_2/2)/1#股價(jià)漂移率 sigma=np.sqrt(S_2)#股價(jià)波動(dòng)率#通過(guò)幾何布朗運(yùn)動(dòng)模型預(yù)測(cè)未來(lái)周期股價(jià) S_0=list(data_train['close'])[-1]#初始股價(jià) data_test['fore_price']=data_test['close']#預(yù)測(cè)的股價(jià) for t in range(1,data_train.shape[0]+1):Bt = np.random.normal(0, 1,t)[0]#布朗運(yùn)動(dòng)隨機(jī)數(shù)值data_test['fore_price'][t+k*T-1]=S_0*np.exp(sigma*Bt+(miu-S_2/2)*t)#預(yù)測(cè)股價(jià) data_test['fore_price']#畫出預(yù)測(cè)值和真實(shí)值對(duì)比圖 plt.figure(num=k,figsize=(15,8)) plt.plot(data_test['date'],data_test['fore_price'],label='預(yù)測(cè)股價(jià)') plt.plot(data_test['date'],data_test['close'],label='實(shí)際股價(jià)') plt.xlabel('日期',fontsize=20) plt.ylabel('股價(jià)',fontsize=20) plt.title("股票“"+ts_code+"”"+str(T)+'天預(yù)測(cè)值和真實(shí)值對(duì)比圖',fontsize=20) plt.legend(loc='upper right') plt.xticks(rotation=270)

總結(jié)

以上是生活随笔為你收集整理的利用几何布朗运动模型预测股票价格_20200514_的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。