股票價格預測有助于確定未來幾天或幾周內股票的走勢，或者至少顯示趨勢，股票價格取決于多種因素，例如：
基本因素：收入，利潤，市場份額，業務的潛在增長前景
外部因素：大流行病，例如新冠，外匯匯率，石油價格，黃金價格，債券收益率，全球股票市場
技術因素：價格走勢，交易量，移動平均線，MACD（移動平均趨同差異），RSI（相對強度指數），MFI（資金流量指數），支點，衍生產品到期日，期權未平倉合約，期貨價格
不管有沒有這些因素，
- 股票價格不是隨機的，它們的確遵循過去的歷史趨勢
- 人為的決定是情感和理性的結合，傾向于查看過去的資料
- 市場永遠是對的，他們只會懲罰錯誤的決定
- 貪婪，盲目打電話，高風險的食欲，謹慎行事可以根據時間獎勵或懲罰投資者，
在本文中，我們將嘗試使用Facebook的Prophet
預測
為了這個分析，我選擇了CDSL(印度中央存托服務有限公司)的股票，資料可以從https://www.nseindia.com/get-quotes/equity?symbol=CDSL下載，并點擊歷史資料，考慮到2020年3月的市場崩盤是一個黑天鵝事件，我取了從2020年4月到2021年4月的一年資料，
import pandas as pd
cdsl = pd.read_csv(‘/Users/ravindraprasad/01-Elicherla/01-DataScience/CDSLApril.csv’
上面的代碼是匯入_pandas _并下載資料，請在代碼中使用適當的檔案夾，
CDSL在下面顯示帶有標題的資料，
列名有一個小問題，以免在列中列出
list(cdsl.columns)
如您所見，在列名的末尾有一個空格
我正在更改列名
df = cdsl.rename(columns = {‘Date ‘: ‘Date’, ‘series ‘: ‘series’, ‘OPEN ‘: ‘Open’ , ‘HIGH ‘: ‘High’, ‘LOW ‘: ‘Low’, ‘PREV. CLOSE ‘: ‘PREV. CLOSE’, ‘ltp ‘: ‘ltp’, ‘close ‘: ‘close’, ‘vwap ‘: ‘vwap’, ‘52W H ‘: ‘52W H’, ‘52W L ‘: ‘52W L’ , ‘VOLUME ‘: ‘VOLUME’, ‘No of trades ‘:’No of trades’ }, inplace = False)
現在，所有列名稱都更改為相同的名稱，但沒有空格
要使用先知，日期是重要的變數，
cdsl ['Date']
看起來確實是正確的日期，但是，當我們進行排序時，就會遇到挑戰，如您在下面看到的，它沒有正確排序，這是因為日期格式不正確，
現在，讓我們更改日期格式，
df[‘Date’] = pd.to_datetime(df.Date,format=’%d-%b-%Y’)
df.sort_values(by=[‘Date’], inplace=True, ascending=True)
df
現在日期已經整理好了，讓我們使用matplotlib繪制資料
from matplotlib import pyplot as plt
import numpy as np
x = df[‘Date’]
y = df[‘ltp’]
plt.plot(x, y)
現在是時候為先知準備資料了，先知只需要兩個變數，我們將使用Date和ltp（這是最后交易價格）
dfdata = https://www.cnblogs.com/qingmiaokeji/p/df[[“Date”,”ltp”]]
dfdata.rename(columns={“Date”:”ds”}, inplace=True)
dfdata.rename(columns={“ltp”:”y”}, inplace=True)
對于先知，我們需要在上面將其重命名為" ds"和" y"兩個變數，在進行預測之前，讓我們快速查看資料
匯入先知并使用資料創建模型，
from fbprophet import Prophet
m = Prophet()
m.fit(dfdata)
讓我們預測接下來的300天，
future = m.make_future_dataframe(periods=300)
future.tail()
forecast = m.predict(future)
dfforecast= forecast[[“ds”, “yhat”, “yhat_lower”, “yhat_upper”]]
pd.set_option(‘display.max_rows’, dfforecast.shape[0]+1)
dfforecast
fig1 = m.plot(forecast)
fig2 = m.plot_components（預測）
讓我們建立互動式圖形，
from fbprophet.plot import plot_plotly
import plotly.offline as py
py.init_notebook_mode()
fig = plot_plotly(m, forecast) # This returns a plotly Figure
py.iplot(fig)
該模型預測CDSL達到Rs，2021在11月1日當周，而盧比的下限較低，859盧比以上，1164.讓我們拭目以待！！！
最后友情提醒：股市有風險,入市需謹慎！
最近準備看一些機器學習、深度學習方面的論文為后面讀研打基礎！在學習程序中搜集了入門器學習、深度學習經典書籍，關注公眾號[程式員石磊]，回復“機器學習”即可免費獲得！
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/286043.html
標籤：大數據
上一篇：B站資料分析課程學習清單！