【Python】利用DT决策树进行股票涨跌预测

【Python】利用DT决策树进行股票涨跌预测

本文选取了江淮汽车上市至今（2023年6月21日）的交易数据作为案例， 计算了换手率和20日涨跌幅作为预测因子，使用决策树来进行股票涨跌幅预测，最终结果显示，预测的准确率在50%左右徘徊，效果不佳。

换手率是衡量股票流动性的指标，表示单位时间内股票的成交量占流通股本的比例。换手率高通常意味着市场对该股票的交易活跃度较高。
20日波动率是衡量股票价格变动幅度的指标，表示过去20个交易日的价格波动情况，波动率高通常表示股票价格波动较大。

"""
读取股票交易数据（csv文件），计算因子
使用决策树来进行预测股票未来收益情况
"""
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
import pandas as pd

# 读取江淮汽车股票信息
df = pd.read_csv('sh600418.csv', encoding='gbk')
# 换手率 = 成交量 / 流通股本
df['换手率'] = df['成交量'] / (