股价预测

本文是使用机器学习方法对股票价格进行预测的实用方法。

但如果想用它来赚钱，猜猜你会赔多少？

股价预测
数据来源
基本方法
计算结果
- 机器学习模型的“偏见”

数据来源

数据来自在2021年及2022年至今的美国纳斯达克指数数据。数据包含当天的

开盘价（Open）；
收盘价（Close/Last）；
全天高值（High）；
全天低值（Low）。

从形式上来说，不管是哪个值，它都是一个时间序列，采样间隔为1天

其中，代表指数，代表天的时间数。

最后一个小问题，这里的“指数”和“股票价格”有什么关系？

The NASDAQ-100 Index includes 100 of the largest domestic and international non-financial companies listed on The NASDAQ Stock Market based on market capitalization.

The Index reflects companies across major industry groups including computer hardware and software, telecommunications, retail/wholesale trade and biotechnology.

简单来说，它又叫做纳斯达克 100，是美国100家非金融类的大公司股票价格指数。

再简单来说，它代表“美股大盘”的整体趋势。如果能够对它的值进行预测，那么就能在股市赚钱。

基本方法

什么叫预测呢？是已知既往的值，对之后的值进行估计

比如，我想知道明天的指数（），就使用已知今天（）、昨天（）和前天（）的指数去预测它。

本文采用了三个经典的机器学习方法来做这个事情，分别是

Linear SVR 线性回归模型；
RBF SVR 核回归模型；
Bayesian Ridge 概率模型。

# SVR with linear and RBF kernels
from sklearn.svm import SVR
# Bayesian Ridge Regression
from sklearn.linear_model import BayesianRidge

# Some amazing code for stock analysis
# ...

计算结果

具体来说，我使用较长一段时间的数据来训练回归模型

模型的输入参数为前20天的指数值；
输出参数为“明天”的指数值。

之后用训练好的模型，对另一段时间的数据进行预测，预测效果如下

用后半段时间训练，用前半段时间测试

Stock 2
用前半段时间训练，用后半段时间测试

Stock 3

可见，线性模型（Linear）和概率模型（BR）的预测效果较好，而核函数的非线性模型（RBF）预测效果较差。

总体来说，如此简单的模型已经能够达到 “看上去不错” 的预测效果。

机器学习模型的“偏见”

接下来，我来仔细看一下预测的细节，就会发现一个十分有意思的现象，这涉及到

机器学习模型的“偏见”问题，

从大的趋势上看，这个指数从去年开始，一直呈现稳步下降的趋势。

而由于回归模型只能学习到它看到的数据，因此，它必然会带有“偏见”

对后段时间的指数进行预测

Stock 4

由于之前的指数都比真实值高，因此，回归模型有预测值应该稍大的偏见；
对前段时间的指数进行预测

Stock 5

这个结果与之前相反，回归模型有预测值应该稍小的偏见。

由于这是纯数据驱动的结果，因此，从大数据的角度来说没什么问题。但人的情感上，会认为它存在一定的“伦理”问题。

因为之前数据的偏见，会像幽灵一样影响着后面的结果。股市是比较中立的地方，但如果预测的值是人的“能力”、“水平”或者别的什么东西，就会造成不可避免地渗入人类的“道德判断”，从而造成实质上的不平等。