本文僅從實戰角度去觀察，利用機器學習算法中，隨機森林模型預測股票市場指數漲跌的準確率。
適合入門玩家
首先，我們導入所需要的模塊
import numpy as np
import pandas as pd
import talib as ta #金融數據計算
import datetime,pickle
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import mean_absolute_error,mean_squared_error,r2_score,accuracy_score,roc_auc_score
from sklearn.ensemble import RandomForestClassifier #隨機森林分類模型然後讀取指數數據，這裏所使用的數據爲個人付費購買數據，本文所使用的數據可以從文末聯繫方式獲取。
關於數據，如果僅做ML、DL學習使用，可以選擇量化平臺獲取、tushare接口獲取、爬蟲獲取等方式，但如果是做模擬交易或者實盤交易，請儘量購買券商提供的數據，否則在數據清洗方面，哪怕是團隊也需要耗費大量的人力物力。
with open(r'D:\history_data_22\indexs.pkl','rb') as f:
index_data = pickle.load(f)然後將index_data 打印出來，我們可以得到這樣的數據：
code – 指數代碼(string)
date – 日期(int)
open – 開盤價(float)
close – 收盤價(float)
low – 最低價(float)
high – 最高價(float)
vol - 成交量(float)
money – 成交額(float)
因爲指數包括了很多，如上證50、滬深300、中證500等等，這裏我們僅用上證指數爲例
所以選擇code代碼爲SH000001的數據
df = index_data[index_data['code'] == "SH000001"]現在我們添加一些簡單的技術指標
np_close = np.array(df['close'])
diff, dea, macd = ta.MACD(np_close, fastperiod=12, slowperiod=26,signalperiod=9)
df['MA5'] = ta.MA(np_close,timeperiod=5)
df['MA10'] = ta.MA(np_close,timeperiod=10)
df['DIFF'] = diff
df['DEA'] = dea
df['MACD'] = macd此時，我們的dataframe應該是這樣的
那麼，特徵值(feature)爲Open到MACD。
我們想要機器通過feature預測出明日大盤的漲跌情況，那麼這時需要來定義一下label，即告訴機器你想要預測什麼。
我們在本文中採用二分類作爲測試，漲爲1，跌爲0。
def num_config(x):
if x > 0 :
return 1
else:
return 0df["(t+1)-(t)"] = df['close'].shift(-1) - df['close']
df['label'] = df["(t+1)-(t)"].map(num_config) 再次打印df，我們應該得到如下的數據
這時，特徵值和標籤，我們都應該搞定了。
現在，我們來劃分一下訓練集和測試集，因爲此文僅做測試使用，大家可以根據個人興趣，添加驗證集，用網格搜索、交叉驗證，尋找最優參數，然後再作用於測試集。
因爲股票數據是一個典型的時間序列數據（後面會寫一篇LSTM運用），所以儘量不要用隨機切分。因爲隨機切分很可能導致你的訓練集裏面含有未來函數，即X裏存在Y，進而導致準確率極其的高。
我們將2017年以前的數據用來做訓練，用2017年以後的數據用來做測試。
df = df.dropna() #剔除缺失值
df['time'] = pd.to_datetime(df['date'],format='%Y%m%d')
train_data = df[df['time']<"2017-01-01"]
test_data = df[df['time']>="2017-01-01"]
train_X = train_data.ix[:,'open':"MACD"].values
train_y = train_data['label'].values
test_X = test_data.ix[:,'open':"MACD"].values
test_y = test_data['label'].values所有數據均已準備完畢，下面開始調用sklearn中隨機森林模型進行測試
clf = RandomForestClassifier(max_depth=3,n_estimators=20)
clf.fit(train_X,train_y)
print(accuracy_score(train_y,clf.predict(train_X)))
print(accuracy_score(test_y,clf.predict(test_X)))
此時我們看到，該模型在訓練集上有58.86%的勝率，在測試集上也擁有56%的勝率。
毫無疑問，這當然是值得慶幸的事情，56%的勝率已經要比50%高出很多，如果按盈虧均爲1：1的情況下，長此以往的跑下去，是很恐怖的事情，這簡直比賭場裏某些遊戲的勝率還要高。
但在股票市場裏，真的是這樣嗎？
我們思考一下真實情況，該模型僅是猜漲跌，簡單的二分類問題。那假設該模型只是猜跌比較厲害，而猜漲很瓜皮呢？
我們查看一下召回率
發現概率是51%，該模型並沒有過多的偏袒漲跌其中的一方。
那麼這個模型就可以用了嗎?不是的，我們在以前的主觀交易到後來的量化交易，發現很多趨勢追蹤策略的勝率可能只有35%-40%，但仍然可以取得不俗的盈利，原因是趨勢追蹤策略在盤整或者下跌階段，有不停的試錯，而上漲階段則是一直處於持倉狀態，沒有頻繁的換倉。於是勝率雖然低，但一口波段也能吃個胖子。
反觀我們的56%模型，會不會存在雖然勝率高，但是每次賺的少，而虧一次就虧個大的這樣的狀況存在呢。
畢竟大A股，暴跌總比暴漲的次數多，對吧。
這裏僅拋磚引玉
1、我們是否可以通過迴歸方法來解決上述問題
2、我們是否可以通過多分類問題來解決上述問題
總結：機器學習對於預測股票市場是存在一定作用的，但該文所涉及的模型僅對第二天的漲跌情況起輔助效果，並不能作爲決策的依據！
文中所涉及代碼及其付費數據集可以通過下面聯繫方式索取
注：該文屬個人原創，轉載請聯繫
Email:[email protected]
VX:gq454001240