基于SVR和线性回归的股票预测模型

知识点

1）股票价格是较为常见的时间序列数据

2）量化交易是大宗商品交易市场中的重要分析交易方法

3）线性回归模型基于最小二乘方法得到模型最优解

4）SVR是支持向量回归(support vector regression)的英文缩写，是支持向量机(SVM)的重要的应用分支。

实验目的

1）学习建立线性回归模型对股票进行预测

2）学习建立SVR对股票进行预测

3）学习对时序数据进行预处理与可视化

实验环境

1）Oracle Linux 7.4

2）Python 3

载入分析所需要用到的包，读取并展示数据

import pandas as pd  
import numpy as np  
import datetime
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn import preprocessing, model_selection, svm

读取数据并查看前五行

df = pd.read_csv('/root/experiment/datas/ZBH.csv')
df.head()

数据预处理，去掉缺失值

df = df[['Adj Close']]
df = df.dropna()

数据可视化