前面的文章，从美股数据获取到相关性分析做了介绍和代码演示，接下来我们会用美股的历史数据对未来的价格做一个预测。

预测股票价格

不看错过好几亿！5分钟学会用Python预测美股价格

预测股票价格

特征工程

将使用这三种机器学习模型来预测股票：

简单线性分析，

二次判别分析（QDA）

K最近邻（KNN）。

首先，先编写几个函数功能：高低百分比和百分比变化。

dfreg = df.loc[:,[‘Adj Close’,’Volume’]]

dfreg[‘HL_PCT’] = (df[‘High’] — df[‘Low’]) / df[‘Close’] * 100.0

dfreg[‘PCT_change’] = (df[‘Close’] — df[‘Open’]) / df[‘Open’] * 100.0

不看错过好几亿！5分钟学会用Python预测美股价格

生成的最终数据框

预处理和交叉验证

不看错过好几亿！5分钟学会用Python预测美股价格

交叉验证

在将数据带入预测模型之前，将使用以下步骤清理和处理数据：

1. 处理失缺失值

2. 在切分标签数据，预测的目标是AdjClose列

3. 缩放X，以便每个数据都满足线性回归分布

4. 最后需要确定到X和X的训练集，用于模型生成和评估

5. 将要预测的结果设置标签并将其标识为y

6. 通过交叉验证训练测试分离训练和测试模型的分离

好了，步骤讲完了。代码如下：

Drop missing value

dfreg.fillna(value=-99999, inplace=True)

We want to separate 1 percent of the data to forecast

forecast_out = int(math.ceil(0.01 * len(dfreg)))

Separating the label here, we want to predict the AdjClose

forecast_col = 'Adj Close'

dfreg['label'] = dfreg[forecast_col].shift(-forecast_out)

X = np.array(dfreg.drop(['label'], 1))

Scale the X so that everyone can have the same distribution for linear regression

X = preprocessing.scale(X)

Finally We want to find Data Series of late X and early X (train) for model generation and evaluation

X_lately = X[-forecast_out:]

X = X[:-forecast_out]

Separate label and identify it as y

y = np.array(dfreg['label'])

y = y[:-forecast_out]

模型生成 - 愉快的预测开始了

首先，导入Scikit-Learn：

from sklearn.linear_model import LinearRegression

from sklearn.neighbors import KNeighborsRegressor

from sklearn.linear_model import Ridge

from sklearn.preprocessing import PolynomialFeatures

from sklearn.pipeline import make_pipeline

简单线性分析和二次判别分析

简单线性分析显示两个或多个变量之间的线性关系。当我们在两个变量中绘制这种关系时，我们得到一条直线。二次判别分析与简单线性分析类似，只是模型允许多项式（例如：x平方）并产生曲线。

线性回归预测因变量（y）作为输出给出独立变量（x）作为输入。在绘图期间，这将给我们一条直线，如下所示：

不看错过好几亿！5分钟学会用Python预测美股价格

简单线性回归

下面通过使用Scikit-Learn库来训练模型。代码如下。

Linear regression

clfreg = LinearRegression(n_jobs=-1)

clfreg.fit(X_train, y_train)

Quadratic Regression 2

clfpoly2 = make_pipeline(PolynomialFeatures(2), Ridge())

clfpoly2.fit(X_train, y_train)

Quadratic Regression 3

clfpoly3 = make_pipeline(PolynomialFeatures(3), Ridge())

clfpoly3.fit(X_train, y_train)

K近邻（KNN）

该KNN使用特征相似性来预测数据点的值。这可确保分配的新点与数据集中的点类似。为了找出相似性，将选取点以得到最小距离（例如：欧几里德距离）。

不看错过好几亿！5分钟学会用Python预测美股价格

KNN模型可视化，您可以将被质疑的元素分组为k个元素

KNN Regression

clfknn = KNeighborsRegressor(n_neighbors=2)

clfknn.fit(X_train, y_train)

评估

不看错过好几亿！5分钟学会用Python预测美股价格

简单快速而有效的评估方法

一种简单快速而有效的评估方法是在每个训练模型中使用得分方法。得分方法使用测试数据集的y找到self.predict（X）的平均准确度。

confidencereg = clfreg.score(X_test, y_test)

confidencepoly2 = clfpoly2.score(X_test,y_test)

confidencepoly3 = clfpoly3.score(X_test,y_test)

confidenceknn = clfknn.score(X_test, y_test)

results

('The linear regression confidence is ', 0.96399641826551985)

('The quadratic regression 2 confidence is ', 0.96492624557970319)

('The quadratic regression 3 confidence is ', 0.9652082834532858)

('The knn regression confidence is ', 0.92844658034790639)

这显示了这些模型的大多数有着极高准确度分数（> 0.95）。然而，这并不意味着我们可以盲目套用，并交易股票。仍有许多问题需要注意，特别是对于不同价格轨迹不同的公司。

为了直观感觉，打印一些预测的股票预测结果。

forecast_set = clf.predict(X_lately)

dfreg['Forecast'] = np.nan

result

(array([ 115.44941187, 115.20206522, 116.78688393, 116.70244946,

116.58503739, 115.98769407, 116.54315699, 117.40012338,

117.21473053, 116.57244657, 116.048717 , 116.26444966,

115.78374093, 116.50647805, 117.92064806, 118.75581186,

118.82688731, 119.51873699]), 0.96234891774075604, 18)

预测可视化

使用现有的历史数据来预测未来的价格。这将有助于我们理解并掌握，可视化模型如何预测未来的股票定价。

last_date = dfreg.iloc[-1].name

last_unix = last_date

next_unix = last_unix + datetime.timedelta(days=1)

for i in forecast_set:

next_date = next_unix

next_unix += datetime.timedelta(days=1)

dfreg.loc[next_date] = [np.nan for _ in range(len(dfreg.columns)-1)]+[i]

dfreg['Adj Close'].tail(500).plot()

dfreg['Forecast'].tail(500).plot()

plt.legend(loc=4)

plt.xlabel('Date')

plt.ylabel('Price')

plt.show()

不看错过好几亿！5分钟学会用Python预测美股价格

股票预测可视化

可以看到蓝色显示了基于回归的股票价格预测。该预测显示未来价格会出现不太长时间的低迷，然后恢复。因此，可以在低迷期间购买股票并在经济好转期间卖出。