17、用回归算法预测股票价格

用回归算法预测股票价格

在金融分析中，预测股票价格是一个重要的任务。回归算法可以基于各种特征来估计连续的目标变量，从而帮助我们进行股票价格的预测。

特征工程与数据准备

在处理股票数据时，我们需要注意窗口大小的选择。通常，我们使用 5、21 和 252 作为窗口大小，分别代表每周、每月和每年的交易天数（一年约 252 个交易日，一个月约 21 个交易日，一周 5 个交易日）。

我们可以对从 1988 年到 2019 年的道琼斯工业平均指数（DJIA）数据应用特征工程策略，具体操作如下：
1. 从指定链接（https://finance.yahoo.com/quote/%5EDJI/history?period1=567993600&period2=1577750400&interval=1d&filter=history&frequency=1d）下载数据，或者使用本地文件。
2. 使用以下代码读取数据并生成特征：

import pandas as pd

data_raw = pd.read_csv('19880101_20191231.csv', index_col='Date')
data = generate_features(data_raw)

3. 查看带有新特征的数据的前几行：

print(data.round(decimals=3).head(5))

<