13、利用机器学习预测股票市场

利用机器学习预测股票市场

1. 股票市场收益分析

1.1 收益总结

通过计算特定时间段内的每日变化总和，发现市场收益从超过 163 点降至仅超过 53 点，超过一半的市场收益来自该时间段内的隔夜持仓。

spy['Daily Change'].sum()

1.2 收益波动性

比较隔夜交易和日内交易的波动性，使用 NumPy 计算标准差。结果显示，与日内交易相比，隔夜交易不仅收益更高，而且波动性更低。

import numpy as np
import pandas as pd

np.std(spy['Daily Change'])
spy['Overnight Change'] = pd.Series(spy['Open'] - spy['Close'].shift(1))
np.std(spy['Overnight Change'])

进一步比较下跌日和上涨日的平均变化，发现隔夜交易策略的平均下行波动性远低于日内交易策略。

spy[spy['Daily Change']<0]['Daily Change'].mean()
spy[spy['Overnight Change']<0]['Overnight Change'].mean()

1.3 每日收益率

为了更真实地了解收益和损失