推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 3368 天前的主题，其中的信息可能已经有所发展或是发生改变。
之前发过一篇：涨跌幅度分级，使用 SVM 分类预测 https://uqer.io/community/share/57ff4e54228e5b3658fac3f5 ，受欢迎程度颇高哈。今天就再发一篇和机器学习相关的模型利用 SVR 模型来预测股票开盘价。
一、策略概述
本策略主旨思想是利用 SVR 建立的模型对股票每日开盘价进行回归拟合,即把前一日的 ['openPrice','highestPrice','lowestPrice','closePrice','turnoverVol','turnoverValue'] 作为当日 'openPrice' 的自变量，当日 'openPrice' 作为因变量。 SVR 的实现使用第三方库 scikit-learn 。
二、 SVR
SVR 详情
SVR 参考文献见下方： https://uqer.io/community/share/5646f635f9f06c4446b48126
代码请参考： https://uqer.io/community/share/5646f635f9f06c4446b48126
三、 PS
原本使用前一天数据预测当天的，但在 Quartz 中，交易策略被具体化为根据一定的规则，判断每个交易日以开盘价买入多少数量的何种股票。回测不影响，但在使模拟盘时无法获取当天的 closePrice 等，所以将程序改为用地 n-2 个交易日的数据作为自变量，第 n 个交易日的 openPrice 作为因变量。
股票筛选的方法还很欠缺，本程序只用了'去除流动性差的股票'和'净利润增长率大于 1 的前 N 支股票'分别进行股票筛选测试，个人感觉都不很理想，还希望大牛们能提供一些有效的筛选方法。
对于股票指数来说，大多数时候都无法对其进行精确的预测，本策略只做参考。
期间发现通过 get_attribute_history 与 DataAPI.MktEqudGet 获取的数据中，有些股票的数据存在一些差异。
关于止损，同样的止损策略，在其他平台可以明显看到，但在 Uqer 感觉并不起作用，不知是不是代码编写存在错误？还望大牛指正。
程序写的有点乱七八糟的，还望大家见谅，多有不足还望指导！
References:
“ A Tutorial on Support Vector Regression ” Alex J. Smola, Bernhard Schlkopf -Statistics and Computing archive Volume 14 Issue 3, August 2004, p. 199-222
代码请参考： https://uqer.io/community/share/5646f635f9f06c4446b48126
一、策略概述
本策略主旨思想是利用 SVR 建立的模型对股票每日开盘价进行回归拟合,即把前一日的 ['openPrice','highestPrice','lowestPrice','closePrice','turnoverVol','turnoverValue'] 作为当日 'openPrice' 的自变量，当日 'openPrice' 作为因变量。 SVR 的实现使用第三方库 scikit-learn 。
二、 SVR
SVR 详情
SVR 参考文献见下方： https://uqer.io/community/share/5646f635f9f06c4446b48126
代码请参考： https://uqer.io/community/share/5646f635f9f06c4446b48126
三、 PS
原本使用前一天数据预测当天的，但在 Quartz 中，交易策略被具体化为根据一定的规则，判断每个交易日以开盘价买入多少数量的何种股票。回测不影响，但在使模拟盘时无法获取当天的 closePrice 等，所以将程序改为用地 n-2 个交易日的数据作为自变量，第 n 个交易日的 openPrice 作为因变量。
股票筛选的方法还很欠缺，本程序只用了'去除流动性差的股票'和'净利润增长率大于 1 的前 N 支股票'分别进行股票筛选测试，个人感觉都不很理想，还希望大牛们能提供一些有效的筛选方法。
对于股票指数来说，大多数时候都无法对其进行精确的预测，本策略只做参考。
期间发现通过 get_attribute_history 与 DataAPI.MktEqudGet 获取的数据中，有些股票的数据存在一些差异。
关于止损，同样的止损策略，在其他平台可以明显看到，但在 Uqer 感觉并不起作用，不知是不是代码编写存在错误？还望大牛指正。
程序写的有点乱七八糟的，还望大家见谅，多有不足还望指导！
References:
“ A Tutorial on Support Vector Regression ” Alex J. Smola, Bernhard Schlkopf -Statistics and Computing archive Volume 14 Issue 3, August 2004, p. 199-222
代码请参考： https://uqer.io/community/share/5646f635f9f06c4446b48126
14 条回复 2016-11-15 23:28:30 +08:00
 | 1 sup 2016 年 11 月 14 日 棒~ |
 | 2 loryyang 2016 年 11 月 14 日 这个有沟通交流群之类的不？ |
 | 3 bsklqgy 2016 年 11 月 14 日 准不准，发财了没？ |
 | 4 echopan 2016 年 11 月 14 日 我好奇知道准不准？ |
 | 5 aqqwiyth 2016 年 11 月 14 日  1 准的话 还会来发帖 找人填坑啊 |
 | 6 lixuda 2016 年 11 月 14 日 软文而已 |
 | 7 datayes2015 OP |
| 8 datayes2015 OP 仁者见仁，智者见智吧：） |
 | 9 doskoi 2016 年 11 月 14 日 哈哈哈哈红红火火恍恍惚惚 |
 | 10 gimp 2016 年 11 月 15 日 珍爱生命，远离 A 股 |
| 11 datayes2015 OP @gimp 哈哈，说得好，去年股灾就没多过，所以今年想用更理性的方法研究研究，还个本：） |
 | 12 e0n12uk4 2016 年 11 月 15 日 via iPhone 训练后的模型，支持向量占比多大？这是衡量模型复杂度和有没有过拟合的关键点噢 |
 | 14 billgreen1 2016 年 11 月 15 日 我猜想你是按照预测出的价格大于当前价格，你就买入，如果低于，你就卖出。 你可以试试不按照这个来，每次随机的买入和卖出，看看是不是效果差不多。 |