[譯] 用 Python 搭建機器學習模型預測黃金價格

314719755 6年前發布 | 45K 次閱讀數據挖掘 Python AI

大數據文摘作品

編譯： 小明同學君、吳雙、Y awei xia

新年總是跟黃金密不可分。新年第一天，讓我們嘗試用python搭建一個機器學習線性回歸模型，預測金價！

自古以來，黃金一直作為貨幣而存在，就是在今天，黃金也具有非常高的儲藏價值，那么有沒有可能預測出黃金價格的變化趨勢呢？

答案是肯定的，讓我們使用機器學習中的回歸算法來預測世界上貴重金屬之一,黃金的價格吧。

我們將建立一個機器學習線性回歸模型，它將從黃金ETF (GLD)的歷史價格中獲取信息，并返回黃金ETF價格在第二天的預測值。

GLD 是最大的以黃金進行直接投資的ETF交易基金。

（詳見： http://www.etf.com/GLD ）

在python的開發環境下用機器學習預測黃金價格的步驟：

導入Python庫并讀取黃金ETF 的數據
定義解釋變量
將數據切分為模型訓練數據集和測試數據集
建立線性回歸模型
預測黃金ETF的價格

導入Python庫并讀取黃金 ETF 的數據

首先:導入實現此策略所需的所有必要的庫（ LinearRegression，pandas，numpy，matplotlib，seaborn和fix_yahoo_finance )

# LinearRegression is a machine learning library for linear regression
from sklearn.linear_model import LinearRegression
# pandas and numpy are used for data manipulation
import pandas as pd
import numpy as np
# matplotlib and seaborn are used for plotting graphs
import matplotlib.pyplot as plt
import seaborn
# fix_yahoo_finance is used to fetch data import fix_yahoo_finance as yf

然后我們讀取過去10年間每天黃金ETF的價格數據，并將數據儲存在Df中。我們移除那些不相關的變量并使用dropna函數刪除NaN值。然后我們繪制出黃金ETF的收盤價格。

# Read data
Df = yf.download( 'GLD' , '2008-01-01' , '2017-12-31' )
# Only keep close columns
Df=Df[[ 'Close' ]]
# Drop rows with missing values
Df= Df.dropna()
# Plot the closing price of GLD
Df.Close.plot(figsize=( 10 , 5 ))
plt.ylabel( "Gold ETF Prices" )
plt.show()

輸出

定義解釋變量

解釋變量是被用來決定第二天黃金ETF價格數值的變量。簡單地說，就是我們用來預測黃金ETF價格的特征值。本例中的解釋變量是過去3天和9天的價格移動平均值。我們使用dropna()函數刪除NaN值，并將特征變量存于X中。

然而，你還可以在X中放入更多你認為對于預測黃金ETF價格有用的變量。這些變量可以是技術指標，也可以是另一種ETF的價格（如黃金礦工ETF (簡稱GDX)或石油ETF(簡稱USO)）或美國經濟數據。

Df[ 'S_3' ] = Df[ 'Close' ].shift( 1 ).rolling(window= 3 ).mean()
Df[ 'S_9' ]= Df[ 'Close' ].shift( 1 ).rolling(window= 9 ).mean()
Df= Df.dropna()
X = Df[[ 'S_3' , 'S_9' ]]
X.head()

輸出

定義因變量

同樣， 因變量是取決于解釋變量的“被解釋變量”。 簡單地說，在這里就是我們試圖預測的黃金ETF價格。我們將黃金ETF的價格賦值為y。

y = Df[ 'Close' ]
y.head()

輸出

2008-02-08 91.000000
2008-02-11 91.330002
2008-02-12 89.330002
2008-02-13 89.440002
2008-02-14 89.709999
Name: Close, dtype: float64

將數據切分為模型訓練數據集和測試數據集

在此步驟中，我們將預測變量（解釋變量）數據和輸出（因變量）數據拆分為訓練數據集和測試數據集。訓練數據用于建立線性回歸模型，將輸入與預期輸出配對。測試數據用于評估模型的訓練效果。

前80%的數據用于訓練模型，其余的數據用來測試模型。
X_train 和y_train是訓練數據集。
X_test & y_test是測試數據集。

t= .8
t = int (t*len(Df))
# Train dataset
X_train = X[:t]
y_train = y[:t]
# Test dataset
X_test = X[t:]
y_test = y[t:]

建立線性回歸模型

接下來我們將建立一個線性回歸模型。什么是線性回歸呢?

如果我們試圖捕捉可以最優解釋Y觀測值的X變量和Y變量之間的數學關系，我們將在X的觀測值形成的散點圖中去擬合一條線，那么這條線，也就是 x和y之間的方程就被稱為線性回歸分析。

再進一步地說，回歸解釋了因變量在自變量上的變化。因變量y是你想要預測的變量。自變量x是用來預測因變量的解釋變量。下面的回歸方程描述了這種關系:

Y = m1 * X1 + m2 * X2 + CGold ETF price = m1 * 3 days moving average + m2 * 15 days moving average + c

然后我們利用擬合方法來擬合自變量和因變量(x和y)，從而生成系數和回歸常數。

linear = LinearRegression().fit(X_train,y_train)
print "Gold ETF Price =" , round(linear.coef_[ 0 ], 2 ), \
"* 3 Days Moving Average" , round(linear.coef_[ 1 ], 2 ), \
"* 9 Days Moving Average +" , round(linear.intercept_, 2 )

輸出

黃金ETF價格=1.2×3天的移動平均價－0.2×9天的移動平均價+0.39

預測黃金ETF的價格

現在，是時候檢查模型是否在測試數據集中有效了。我們使用由訓練數據集建立的線性模型來預測黃金ETF的價格。預測模型可以得到給定解釋變量X后相應的黃金ETF價格(y)。

predicted_price = linear.predict(X_test)
predicted_price = pd.DataFrame(predicted_price,index=y_test.index,columns = [ 'price' ])
predicted_price.plot(figsize=( 10 , 5 ))
y_test.plot()
plt.legend([ 'predicted_price' , 'actual_price' ])
plt.ylabel( "Gold ETF Price" )
plt.show()

輸出