python数据分析之线性回归选择基金

目录
  • 1 前言
  • 2 基金趋势分析
  • 3 数据抓取与分析
    • 3.1 基金数据抓取
    • 3.2 数据分析
  • 4 总结

1 前言

在前面的章节中我们牛刀小试，一直在使用python爬虫去抓取数据，然后把数据信息存放在数据库中，至此已经完成了基本的基本信息的处理，接下来就来处理高级一点儿的内容，今天就从基金的趋势分析开始。

2 基金趋势分析

基金的趋势，就是选择一些表现强势的基金，什么样的才是强势呢？那就是要稳定的，逐步的一路北上。通常情况下，基金都会沿着一条趋势线向上或者向下，基金的趋势形成比股票的趋势更加确定一些。 以下图为例，展示的是华夏中证新能源汽车ETF的走势情况,可以看到这个基金的走势基本上就是按照红色的趋势线。今天要做的就是使用数学-线性回归的方式来计算这个趋势的斜率以及趋势表的可靠性。

这里分析基金走势的模型采用线性回归，假定其走势符合 { y = kx + b }y=kx+b , y 就是对应的收益率， x 为时间。k 值为斜率。现在要做的就是使用这组基金的数据计算这个k值，这样就可以使用这个k值进行基金的对比。

3 数据抓取与分析

3.1 基金数据抓取

抓取基金数据历史收益率的数据

# 抓取基金历史收益率数据连接
http://api.fund.eastmoney.com/pinzhong/LJSYLZS?fundCode=515030&indexcode=000300&type=y
# 参数说明
fundCode 为需要查询的基金代码
indexcode 基金对比基准数据,默认为沪深300(000300)
type 为数据查询的周期，m 一个月 q 3个月 hy 6个月 y 一年 try 3年 fiy 5年 sy 今年来 se 最大
复制代码

在api接口返回的数据中，0 代表的是基金数据， 1 是同类基金的平均值，2 为沪深300的数据。

 具体的实现代码见图:

3.2 数据分析

数据分析的方式使用 matplotlib 和 sklearn.linear_model ,第一个是用于数据的图形展示，第二个是线性分析工具，用于计算基金的k值。有关线性分析的内容，有兴趣的可以去查询线性分析的计算细节。

如下图所示，为数据模型计算和图形展示的代码。

以新能源ETF数据为例，我们得到了 y= 0.3541x + b 的趋势线，这个线性模型的评分为0.741。其实这个评分已经相当高了，收益率越大，其波动越大，和线性规划的契合度就越低。

但是有没有例外呢，以天弘增利短债C(008647)为例，其评分相当高，看图形展示就可以知道，但是债券基金的k值比股票基金的k值比是相当的低，高风险，高回报，低风险，低回报。收益是对风险的补偿。

4 总结

在这一章中，介绍了使用线性规划的方式分析基金的趋势情况，并使用量化分析的方法进行基金的分析和筛选。最后可以使用这个方法对所以的基金进行分析，筛选出趋势性强的基金进行投资。

到此这篇关于python数据分析之线性回归选择基金的文章就介绍到这了,更多相关python数据分析内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • Python数据分析之双色球基于线性回归算法预测下期中奖结果示例

    本文实例讲述了Python数据分析之双色球基于线性回归算法预测下期中奖结果.分享给大家供大家参考,具体如下: 前面讲述了关于双色球的各种算法,这里将进行下期双色球号码的预测,想想有些小激动啊. 代码中使用了线性回归算法,这个场景使用这个算法,预测效果一般,各位可以考虑使用其他算法尝试结果. 发现之前有很多代码都是重复的工作,为了让代码看的更优雅,定义了函数,去调用,顿时高大上了 #!/usr/bin/python # -*- coding:UTF-8 -*- #导入需要的包 import pan

  • 回归预测分析python数据化运营线性回归总结

    回归预测分析python数据化运营线性回归总结

    目录 内容介绍 一般应用场景 线性回归的常用方法 线性回归实现 线性回归评估指标 线性回归效果可视化 数据预测 内容介绍 以 Python 使用 线性回归 简单举例应用介绍回归分析. 线性回归是利用线性的方法,模拟因变量与一个或多个自变量之间的关系: 对于模型而言,自变量是输入值,因变量是模型基于自变量的输出值,适用于x和y满足线性关系的数据类型的应用场景. 用于预测输入变量和输出变量之间的关系,特别是当输入变量的值发生变化时,输出变量的值也随之发生变化. 回归模型正是表示从输入变量到输出变量之

  • python数据分析之线性回归选择基金

    python数据分析之线性回归选择基金

    目录 1 前言 2 基金趋势分析 3 数据抓取与分析 3.1 基金数据抓取 3.2 数据分析 4 总结 1 前言 在前面的章节中我们牛刀小试,一直在使用python爬虫去抓取数据,然后把数据信息存放在数据库中,至此已经完成了基本的基本信息的处理,接下来就来处理高级一点儿的内容,今天就从基金的趋势分析开始. 2 基金趋势分析 基金的趋势,就是选择一些表现强势的基金,什么样的才是强势呢?那就是要稳定的,逐步的一路北上.通常情况下,基金都会沿着一条趋势线向上或者向下,基金的趋势形成比股票的趋势更加确定

  • Python数据分析之绘图和可视化详解

    Python数据分析之绘图和可视化详解

    一.前言 matplotlib是一个用于创建出版质量图表的桌面绘图包(主要是2D方面).该项目是由John Hunter于2002年启动的,其目的是为Python构建一个MATLAB式的绘图接口.matplotlib和IPython社区进行合作,简化了从IPython shell(包括现在的Jupyter notebook)进行交互式绘图.matplotlib支持各种操作系统上许多不同的GUI后端,而且还能将图片导出为各种常见的矢量(vector)和光栅(raster)图:PDF.SVG.JPG

  • Python数据分析之使用scikit-learn构建模型

    Python数据分析之使用scikit-learn构建模型

    一.使用sklearn转换器处理 sklearn提供了model_selection模型选择模块.preprocessing数据预处理模块.decompisition特征分解模块,通过这三个模块能够实现数据的预处理和模型构建前的数据标准化.二值化.数据集的分割.交叉验证和PCA降维处理等工作. 1.加载datasets中的数据集 sklearn库的datasets模块集成了部分数据分析的经典数据集,可以选用进行数据预处理.建模的操作. 常见的数据集加载函数(器): 数据集加载函数(器) 数据集任

  • R vs. Python 数据分析中谁与争锋？

    R vs. Python 数据分析中谁与争锋？

    当我们想要选择一种编程语言进行数据分析时,相信大多数人都会想到R和Python--但是从这两个非常强大.灵活的数据分析语言中二选一是非常困难的. 我承认我还没能从这两个数据科学家喜爱的语言中选出更好的那一个.因此,为了使事情变得有趣,本文将介绍一些关于这两种语言的详细信息,并将决策权留给读者.值得一提的是,有多种途径可以了解这两种语言各自的优缺点.然而在我看来,这两种语言之间其实有很强的关联. Stack Overflow趋势对比 上图显示了自从2008年(Stack Overflow 成立)以

  • 分享一下Python数据分析常用的8款工具

    Python是数据处理常用工具,可以处理数量级从几K至几T不等的数据,具有较高的开发效率和可维护性,还具有较强的通用性和跨平台性.Python可用于数据分析,但其单纯依赖Python本身自带的库进行数据分析还是具有一定的局限性的,需要安装第三方扩展库来增强分析和挖掘能力. Python数据分析需要安装的第三方扩展库有:Numpy.Pandas.SciPy.Matplotlib.Scikit-Learn.Keras.Gensim.Scrapy等,以下是千锋武汉Python培训老师对该第三方扩展库的

  • Python数据分析模块pandas用法详解

    本文实例讲述了Python数据分析模块pandas用法.分享给大家供大家参考,具体如下: 一 介绍 pandas(Python Data Analysis Library)是基于numpy的数据分析模块,提供了大量标准数据模型和高效操作大型数据集所需要的工具,可以说pandas是使得Python能够成为高效且强大的数据分析环境的重要因素之一. pandas主要提供了3种数据结构: 1)Series,带标签的一维数组. 2)DataFrame,带标签且大小可变的二维表格结构. 3)Panel,带标

  • python数据分析工具之 matplotlib详解

    不论是数据挖掘还是数学建模,都免不了数据可视化的问题.对于 Python 来说,matplotlib 是最著名的绘图库,它主要用于二维绘图,当然也可以进行简单的三维绘图.它不但提供了一整套和 Matlab 相似但更为丰富的命令,让我们可以非常快捷地用 python 可视化数据. matplotlib基础 # 安装 pip install matplotlib 两种绘图风格: MATLAB风格: 基本函数是 plot,分别取 x,y 的值,然后取到坐标(x,y)后,对不同的连续点进行连线. 面向对

  • 如何在python中实现线性回归

    线性回归是基本的统计和机器学习技术之一.经济,计算机科学,社会科学等等学科中,无论是统计分析,或者是机器学习,还是科学计算,都有很大的机会需要用到线性模型.建议先学习它,然后再尝试更复杂的方法. 本文主要介绍如何逐步在Python中实现线性回归.而至于线性回归的数学推导.线性回归具体怎样工作,参数选择如何改进回归模型将在以后说明. 回归 回归分析是统计和机器学习中最重要的领域之一.有许多可用的回归方法.线性回归就是其中之一.而线性回归可能是最重要且使用最广泛的回归技术之一.这是最简单的回归方法之

  • 如何用Python徒手写线性回归

    如何用Python徒手写线性回归

    对于大多数数据科学家而言,线性回归方法是他们进行统计学建模和预测分析任务的起点.这种方法已经存在了 200 多年,并得到了广泛研究,但仍然是一个积极的研究领域.由于良好的可解释性,线性回归在商业数据上的用途十分广泛.当然,在生物数据.工业数据等领域也不乏关于回归分析的应用. 另一方面,Python 已成为数据科学家首选的编程语言,能够应用多种方法利用线性模型拟合大型数据集显得尤为重要. 如果你刚刚迈入机器学习的大门,那么使用 Python 从零开始对整个线性回归算法进行编码是一次很有意义的尝试,

随机推荐