以预测股票涨跌案例入门基于SVM的机器学习

    SVM是Support Vector Machine的缩写，中文叫支持向量机，通过它可以对样本数据进行分类。以股票为例，SVM能根据若干特征样本数据，把待预测的目标结果划分成“涨”和”跌”两种，从而实现预测股票涨跌的效果。

1 通过简单案例了解SVM的分类作用

    在Sklearn库里，封装了SVM分类的相关方法，也就是说，我们无需了解其中复杂的算法，即可用它实现基于SVM的分类。通过如下SimpleSVMDemo.py案例，我们来看下通过SVM库实现分类的做法，以及相关方法的调用方式。    

1    #!/usr/bin/env python
2    #coding=utf-8
3    import numpy as np
4    import matplotlib.pyplot as plt
5    from sklearn import svm
6    #给出平面上的若干点
7    points = np.r_[[[-1,1],[1.5,1.5],[1.8,0.2],[0.8,0.7],[2.2,2.8],[2.5,3.5],[4,2]]]
8    #按0和1标记成两类
9    typeName = [0,0,0,0,1,1,1]

    在第5行里，我们引入了基于SVM的库。在第7行，我们定义了若干个点，并在第9行把这些点分成了两类，比如[-1,1]点是第一类，而[4,2]是第二类。

    这里请注意，在第7行定义点的时候，是通过np.r_方法，把数据转换成“列矩阵”，这样做的目的是让数据结构满足fit方法的要求。     

?

1 2 3 4 5 6 7 8

10  #建立模型 11  svmTool = svm.SVC(kernel='linear') 12  svmTool.fit(points,typeName)  #传入参数 13  #确立分类的直线 14  sample = svmTool.coef_[0] #系数 15  slope = -sample[0]/sample[1]  #斜率 16  lineX = np.arange(-2,5,1)#获取-2到5，间距是1的若干数据 17  lineY = slope*lineX-(svmTool.intercept_[0])/sample[1]

　　在第11行里，我们创建了基于SVM的对象，并指定该SVM模型采用比较常用的“线性核”来实现分类操作。

      在第14行，通过fit训练样本。这里fit方法和之前基于线性回归案例中的fit方法是一样的，只不过这里是基于线性核的相关算法，而之前是基于线性回归的相关算法（比如最小二乘法）。训练完成后，通过第14行和第15行的代码，我们得到了能分隔两类样本的直线，包括直线的斜率和截距，并通过第16行和第17行的代码设置了分隔线的若干个点。    

?

1 2 3 4 5

18  #画出划分直线 19  plt.plot(lineX,lineY,color='blue',label='Classified Line') 20  plt.legend(loc='best') #绘制图例 21  plt.scatter(points[:,0],points[:,1],c='R') 22  plt.show()

　　计算完成后，我们通过第19行的plot方法绘制了分隔线，并在第21行通过scatter方法绘制所有的样本点。由于points是“列矩阵”的数据结构，所以是用points[:,0]来获取绘制点的 x坐标，用points[:,1]来获取y坐标，最后是通过第22行的show方法绘制图形。运行上述代码，我们能看到如下图13.8的效果，从中我们能看到，蓝色的边界线能有效地分隔两类样本。

    

    从这个例子中我们能看到，SVM的作用是，根据样本，训练出能划分不同种类数据的边界线，由此实现“分类”的效果。而且，在根据训练样本确定好边界线的参数后，还能根据其它没有明确种类样本，计算出它的种类，以此实现“预测”效果。 

2 数据标准化处理

    标准化（normalization）处理是将特征样本按一定算法进行缩放，让它们落在某个范围比较小的区间，同时去掉单位限制，让样本数据转换成无量纲的纯数值。

    在用机器学习方法进行训练时，一般需要进行标准化处理，原因是Sklearn等库封装的一些机器学习算法对样本有一定的要求，如果有些特征值的数量级偏离大多数特征值的数量级，或者有特征值偏离正态分布，那么预测结果会不准确。

    需要说明的是，虽然在训练前对样本进行了标准化处理，改变了样本值，但由于在标准化的过程中是用同一个算法对全部样本进行转换，属于“数据优化”，不会对后继的训练起到不好的作用。

    这里我们是通过sklearn库提供的preprocessing.scale方法实现标准化，该方法是让特征值减去平均值然后除以标准差。通过如下ScaleDemo.py案例，我们实际用下preprocessing.scale方法。     

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

1   #!/usr/bin/env python 2   #coding=utf-8 3   from sklearn import preprocessing 4   import numpy as np 5   6   origVal = np.array([[10,5,3], 7                      [8,6,12], 8                      [14,7,15]]) 9   #计算均值 10  avgOrig = origVal.mean(axis=0) 11  #计算标准差 12  stdOrig=origVal.std(axis=0) 13  #减去均值，除以标准差 14  print((origVal-avgOrig)/stdOrig) 15  scaledVal=preprocessing.scale(origVal) 16  #直接输出preprocessing.scale后的结果 17  print(scaledVal)

　　在第6行里，我们初始化了一个长宽各为3的矩阵，在第10行，通过mean方法计算了该矩阵的均值，在第12行则通过std方法计算标准差。

      第14行是用原始值减去均值，再除以标准差，在第17行，是直接输出preprocessing.scale的结果。第14行和第17行的输出结果相同，均是下值，从中我们验证了标准化的具体做法。    

?

1 2 3

1   [[-0.26726124 -1.22474487 -1.37281295] 2    [-1.06904497  0.          0.39223227] 3    [ 1.33630621  1.22474487  0.98058068]]

　　 

3 预测股票涨跌

    在之前的案例中，我们用基于SVM的方法，通过一维直线来分类二维的点。据此可以进一步推论：通过基于SVM的方法，我们还可以分类具有多个特征值的样本。

    比如可以通过开盘价、收盘价、最高价、最低价和成交量等特征值，用SVM的算法训练出这些特征值和股票“涨“和“跌“的关系，即通过特征值划分指定股票“涨”和“跌”的边界，这样的话，一旦输入其它的股票特征数据，即可预测出对应的涨跌情况。在如下的PredictStockBySVM.py案例中，我们给出了基于SVM预测股票涨跌的功能。     

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

1   #!/usr/bin/env python 2   #coding=utf-8 3   import pandas as pd 4   from sklearn import svm,preprocessing 5   import matplotlib.pyplot as plt 6   origDf=pd.read_csv('D:/stockData/ch13/6035052018-09-012019-05-31.csv',encoding='gbk') 7   df=origDf[['Close', 'Low','Open' ,'Vol','Date']] 8   #diff列表示本日和上日收盘价的差 9   df['diff'] = df["Close"]-df["Close"].shift(1) 10  df['diff'].fillna(0, inplace = True) 11  #up列表示本日是否上涨,1表示涨，0表示跌 12  df['up'] = df['diff']   13  df['up'][df['diff']>0] = 1 14  df['up'][df['diff']<=0] = 0 15  #预测值暂且初始化为0 16  df['predictForUp'] = 0

　 第6行里，我们从指定文件读取了包含股票信息的csv文件，该csv格式的文件其实是从网络数据接口获取得到的，具体做法可以参考前面博文。

    从第9行里，我们设置了df的diff列为本日收盘价和前日收盘价的差值，通过第12行到第14行的代码，我们设置了up列的值，具体是，如果当日股票上涨，即本日收盘价大于前日收盘价，则up值是1，反之如果当日股票下跌，up值则为0。

    在第16行里，我们在df对象里新建了表示预测结果的predictForUp列，该列的值暂且都设置为0，在后继的代码里，将根据预测结果填充这列的值。    

?

1 2 3 4 5 6 7 8 9

17  #目标值是真实的涨跌情况 18  target = df['up'] 19  length=len(df) 20  trainNum=int(length*0.8) 21  predictNum=length-trainNum 22  #选择指定列作为特征列 23  feature=df[['Close', 'High', 'Low','Open' ,'Volume']] 24  #标准化处理特征值 25  feature=preprocessing.scale(feature)

　　在第18行里，我们设置训练目标值是表示涨跌情况的up列，在第20行，设置了训练集的数量是总量的80%，在第23行则设置了训练的特征值，请注意这里去掉了日期这个不相关的列，而且，在第25行，对特征值进行了标准化处理。    

?

1 2 3 4 5

26  #训练集的特征值和目标值 27  featureTrain=feature[1:trainNum-1] 28  targetTrain=target[1:trainNum-1] 29  svmTool = svm.SVC(kernel='liner') 30  svmTool.fit(featureTrain,targetTrain)

　　在第27行和第28行里，我们通过截取指定行的方式，得到了特征值和目标值的训练集，在第26行里，以线性核的方式创建了SVM分类器对象svmTool。

     在第30行里，通过fit方法，用特征值和目标值的训练集训练svmTool分类对象。从上文里我们已经看到，训练所用的特征值是开盘收盘价、最高最低价和成交量，训练所用的目标值是描述涨跌情况的up列。在训练完成后，svmTool对象中就包含了能划分股票涨跌的相关参数。

?

1 2 3 4 5 6 7

31  predictedIndex=trainNum 32  #逐行预测测试集 33  while predictedIndex<length: 34      testFeature=feature[predictedIndex:predictedIndex+1]            35      predictForUp=svmTool.predict(testFeature)    36      df.ix[predictedIndex,'predictForUp']=predictForUp    37      predictedIndex = predictedIndex+1

    在第33行的while循环里，我们通过predictedIndex索引值，依次遍历测试集。

    在遍历过程中，通过第35行的predict方法，用训练好的svmTool分类器，逐行预测测试集中的股票涨跌情况，并在第36行里，把预测结果设置到df对象的predictForUp列中。　　    

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

38  #该对象只包含预测数据，即只包含测试集 39  dfWithPredicted = df[trainNum:length] 40  #开始绘图，创建两个子图 41  figure = plt.figure() 42  #创建子图     43  (axClose, axUpOrDown) = figure.subplots(2, sharex=True) 44  dfWithPredicted['Close'].plot(ax=axClose) 45  dfWithPredicted['predictForUp'].plot(ax=axUpOrDown,color="red", label='Predicted Data') 46  dfWithPredicted['up'].plot(ax=axUpOrDown,color="blue",label='Real Data') 47  plt.legend(loc='best') #绘制图例 48  #设置x轴坐标标签和旋转角度 49  major_index=dfWithPredicted.index[dfWithPredicted.index%2==0] 50  major_xtics=dfWithPredicted['Date'][dfWithPredicted.index%2==0] 51  plt.xticks(major_index,major_xtics) 52  plt.setp(plt.gca().get_xticklabels(), rotation=30) 53  plt.title("通过SVM预测603505的涨跌情况") 54  plt.rcParams['font.sans-serif']=['SimHei'] 55  plt.show()

 　由于在之前的代码里，我们只设置测试集的predictForUp列，并没有设置训练集的该列数据，所以在第39行里，用切片的手段，把测试集数据放置到dfWithPredicted对象中，请注意这里切片的起始和结束值是测试集的起始和结束索引值。至此完成了数据准备工作，在之后的代码里，我们将用matplotlib库开始绘图。

    在第43行里，我们通过subplots方法设置了两个子图，并通过sharex=True让这两个子图的x轴具有相同的刻度和标签。在第44行代码里，在axClose子图中，我们用plot方法绘制了收盘价的走势。在第45行代码里，在axUpOrDown子图中，我们绘制了预测到的涨跌情况，而在第46行里，还是在axUpOrDown子图里，绘制了这些天的股票真实的涨跌情况。

    在第49行到第52行的代码里，我们设置了x标签的文字以及旋转角度，这样做的目的是让标签文字看上去不至于太密集。在第53行里，我们设置了中文标题，由于要显示中文，所以需要第54行的代码，最后在55行通过show方法展示了图片。运行上述代码，能看到如下图所示的效果。

    

    其中上图展示了收盘价，下图的蓝色线条表示真实的涨跌情况，0表示跌，1表示上涨，而红色则表示预测后的结果。

4 结论

     对比一下，虽有偏差，但大体相符。综上所述，本案例是数学角度，演示了通过SVM分类的做法，包括如果划分特征值和目标值，如何对样本数据进行标准化处理，如何用训练数据训练SVM，还有如何用训练后的结果预测分类结果。 

5 总结和版权说明

    本文是给程序员加财商系列，之前还有两篇博文

 

用python的matplotlib和numpy库绘制股票K线均线和成交量的整合效果（含量化验证交易策略代码）  

用python的matplotlib和numpy库绘制股票K线均线的整合效果（含从网络接口爬取数据和验证交易策略代码）  

    

    本文的内容即将出书，在出版的书里，是用股票案例和大家讲述Python入门时的知识点，敬请期待

    

    有不少网友转载和想要转载我的博文，本人感到十分荣幸，这也是本人不断写博文的动力。关于本文的版权有如下统一的说明，抱歉就不逐一回复了。

    1 本文可转载，无需告知，转载时请用链接的方式，给出原文出处，别简单地通过文本方式给出，同时写明原作者是hsm_computer。

    2 在转载时，请原文转载 ，谢绝洗稿。否则本人保留追究法律责任的权利。