超簡單用Python預測股價
如圖，我也不知道我在寫什麼東西，就吸收整合，大不分的內容還是由比較正規的文章所引用，也有附上連結，有錯別來找我诶，我想入門的小白在搭建環境上會很雷，所以我通常會附上搭建環境的過程，以便大家可以快速run起來~
預測股票?
---
之前有寫過用lstm預測股票的東西，當然股票這種東西，不是長就是跌，大牛最多也是逼近50%50%不是漲就是碟嗎。不過放到中長期就不一樣了，如果再加入google tend關鍵字分析再來預測股票是否有其關聯性呢???，恩以後再來說先來做這實作先~
剛好聽同學說它們有參加一個比賽，然後呢，它們的主要工作是需要預測下一個禮拜股市的精準度，就我這旁門走道來看，lstm或者用這預言家模型，應該都可以達到不錯的效果，
假設我們要預測一個麗拜的資料需要大概那些能用的工具呢，第一步我們要把我們的資料禿通通時間序列化，再來就是套國外solution(公司大牛)說的，哈哈在接下來我們來看看之前兩個月沒動的程式碼吧。
首先呢我們打開我們的老程式碼跑一下範例。
速度迷思
---
我覺得痾應該速度再跑回測的時候有差拉，不過在觀察其規律性，要求速度的話在急速下單邏輯判斷一定要超快，像我之前寫的一個比特幣交易軟體，取得買賣單量瞬間下單，最後還是被官網鎖了，只能說莊家最大，然後喔一定會找到適合你的組合最重要，程式跑回測，不一定是找到聖杯，除非你的策略寫的超棒，無破綻，去跑當沖，每秒幾十萬上下，2018二月全球股災～黑天鵝是機器人？ 遇到一次就gg囉，不過有人贏就有人輸，我是年輕人還是先在旁邊觀察一陣子好了。
搭建環境與安裝
---
# bash $ pip install fbprophet
慘慘慘 轉用anaconda裝
conda update -c conda-forge conda conda update -n base conda conda config --add pinned_packages defaults::conda conda install -c conda-forge fbprophet -y conda install -c masdeseiscaracteres ta-lib
複製stocker
---
不想下一堆指令的話，可以偷懶學我把關聯py丟到目錄下
nice解決環境好利器，搜尋了快一小時還以為當機，惱人的環境設定，中途還跑去裝docker，結果windows hyper 要專業版才有QQ 我畚箕安裝的python 資源包，一堆元件衝突總而言之，安裝好後呢(anaconda裝了很多次結果降版本Anaconda3-5.2.0-Windows-x86_64.exe 這就大概裝完囉。
程式碼
---
小改
import pandas as pd
# 去除煩人的 warrning
import warnings
from stocker import Stocker
warnings.filterwarnings('ignore')
# 讀入series
df = pd.read_csv('price.csv', index_col='date', parse_dates=['date'])
price = df.squeeze()
price.head()
tsmc = Stocker(price)
tsmc.evaluate_prediction()
tsmc.changepoint_prior_analysis(changepoint_priors=[0.001, 0.05, 0.1, 0.2])
tsmc.predict_future(days=100)
運行畫面
其實，用來預測一些事情也蠻好玩的。
幻想
---
目前大概再搭建玩平台後，現在目前都是寫小策略，那麼嘗試投資組合使用基因演算法(?)，
簡單成效好、不簡單成效好、簡單成效不好、不簡單成效不好。(取自量化實驗室片段)
就上述這幾種情況，大家應該都會偏向於第一種方法因為就算是失敗的話，也很好找出原因並且除錯，大概再跑兩個範例，google tend對金融性產品 是否也有其關聯，在來就是一些小策略的紀錄。
沒意外後其大概都是
- 提出組合
- 回測
- 修正
回測 - > 修正 - > 回測 - > 修正 - > 回測 - > 修正 - > 回測 - > 修正 .......
public int debug() { if(debug == 1) debug(1); return debug(1); }目前活在這種地獄，重構，非同步，deubg無限循環，體驗新手村的感覺，什麼時候可以用嘴巴寫程式。。。。。。。
Comments