本文將以股票交易作為示例。 我們用 AI 模型預(yù)測(cè)股票第二天是漲還是跌。 在此背景下，比較了分類算法 XGBoost、隨機(jī)森林和邏輯分類器。文章的另外一個(gè)重點(diǎn)是數(shù)據(jù)準(zhǔn)備。 我們必須如何轉(zhuǎn)換數(shù)據(jù)以便模型可以處理它。

在本文中，我們將遵循 CRISP-DM 流程模型，以便我們采用結(jié)構(gòu)化方法來(lái)解決業(yè)務(wù)案例。 CRISP-DM 特別適用于潛在分析，通常在行業(yè)中用于構(gòu)建數(shù)據(jù)科學(xué)項(xiàng)目。

另外就是我們將使用 Python 包 openbb。 這個(gè)包以包含了一些來(lái)自金融部門(mén)的數(shù)據(jù)源，我們可以方便的使用它。

首先就是安裝必須的庫(kù)：

業(yè)務(wù)理解

首先應(yīng)該了解我們要解決的問(wèn)題， 在我們的例子中，可以將問(wèn)題定義如下：

預(yù)測(cè)股票代碼 AAPL 的股價(jià)第二天會(huì)上漲還是下跌。

然后就是應(yīng)該考慮手頭有什么樣的機(jī)器學(xué)習(xí)模型的問(wèn)題。 我們想預(yù)測(cè)第二天股票是上漲還是下跌。 所以這是一個(gè)分類問(wèn)題（1：股票第二天上漲或 0：股票第二天下跌）。 在分類問(wèn)題中，我們預(yù)測(cè)一個(gè)類別。 在我們的例子中，是一個(gè) 0 類和 1 類的二元分類。

數(shù)據(jù)理解和準(zhǔn)備

數(shù)據(jù)理解階段側(cè)重于識(shí)別、收集和分析數(shù)據(jù)集。 第一步，我們下載 Apple 股票數(shù)據(jù)。 以下是如何使用 openbb 執(zhí)行此操作：

data = openbb.stocks.load(symbol = 'AAPL',start_date = '2023-01-01',end_date = '2023-04-01',monthly = False)data

該代碼下載 2023-01-01 和 2023-04-01 之間的數(shù)據(jù)。 下載的數(shù)據(jù)包含以下信息：

• Open：美元每日開(kāi)盤(pán)價(jià)

• High：當(dāng)日最高價(jià)（美元）

• Low：當(dāng)日最低價(jià)（美元）

• Close：美元每日收盤(pán)價(jià)

• Adj Close：與股息或股票分割相關(guān)的調(diào)整后收盤(pán)價(jià)

• Volume：交易的股票數(shù)量

• Dividends：已付股息

• Stock Splits：股票分割執(zhí)行

我們已經(jīng)下載了數(shù)據(jù)，但是數(shù)據(jù)還不適合建模分類模型。所以仍然需要為建模準(zhǔn)備數(shù)據(jù)。 所以需要編寫(xiě)了一個(gè)函數(shù)來(lái)下載數(shù)據(jù)，然后對(duì)其進(jìn)行轉(zhuǎn)換以進(jìn)行建模。 以下代碼顯示了此功能：

這里面包含的第一個(gè)函數(shù)時(shí)get_label()：

def encoding(n):if n > 0:return 1else:return 0def get_label(data):data['Delta'] = data['Close'] - data['Open']data['up_down'] = data['Delta'].swifter.apply(lambda d: encoding(d))return data

他的主要工作是：計(jì)算收盤(pán)價(jià)和開(kāi)盤(pán)價(jià)之間的差值。 然后我們用 1 標(biāo)記股價(jià)上漲的所有日期，股價(jià)下跌的所有日期都標(biāo)記為 0。 另外的up_down列包含股票價(jià)格在特定日期是上漲還是下跌。 這里使用 swifter.apply() 函數(shù)替代 pandas apply()是因?yàn)?swifter 提供多核支持。

第二個(gè)函數(shù)是get_sequence_data()。 參數(shù) lookback 指定預(yù)測(cè)中包含過(guò)去多少天。get_sequence_data()代碼如下 ：

這個(gè)函數(shù)有兩個(gè)參數(shù)：data_up_down 和 lookback。 它返回一個(gè)新的 NumPy 數(shù)組，該數(shù)組表示具有指定窗口大小的 data_up_down 數(shù)組的滑動(dòng)窗口視圖，該窗口大小由 lookback 參數(shù)確定。 為了說(shuō)明這個(gè)函數(shù)是如何工作的，我們看一個(gè)小例子。

get_sequence_data(np.array([1, 2, 3, 4, 5, 6]), 3)

結(jié)果如下:

array([[1, 2, 3],[2, 3, 4],[3, 4, 5],[4, 5, 6]])

在下文中，我們下載 Apple 股票的數(shù)據(jù)并對(duì)其進(jìn)行轉(zhuǎn)換以進(jìn)行建模。 我們使用 10 天的回溯期。

數(shù)據(jù)已經(jīng)準(zhǔn)備完畢了，我們開(kāi)始建模和評(píng)估模型。

建模

將數(shù)據(jù)讀入數(shù)據(jù)并生成測(cè)試和訓(xùn)練數(shù)據(jù)。

data = pandas.read_csv('./data/data_aapl.csv')X=data.iloc[:,:-1]Y=data.iloc[:,-1]X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33, random_state=4284, stratify=Y)

邏輯回歸：

該分類器是基于線性的模型，通常用作基線模型。 我們使用scikit-learn的實(shí)現(xiàn)：

XGBoost：

XGBoost 是為速度和性能而設(shè)計(jì)的梯度提升決策樹(shù)的實(shí)現(xiàn)。 它屬于樹(shù)提升算法，將許多弱樹(shù)分類器依次連接。

model_xgb = XGBClassifier(random_state = 42)model_xgb.fit(X_train, y_train)y_pred = model_xgb.predict(X_test)

隨機(jī)森林：

隨機(jī)森林構(gòu)建多個(gè)決策樹(shù)。 這種方法稱為集成學(xué)習(xí)，因?yàn)槎鄠€(gè)學(xué)習(xí)器是相互連接的，該算法屬于bagging方法。 首字母縮寫(xiě)詞“bagging”代表引導(dǎo)聚合。 這里也使用scikit-learn的實(shí)現(xiàn)：

評(píng)估

在對(duì)模型進(jìn)行建模和訓(xùn)練之后，我們需要檢查模型在測(cè)試數(shù)據(jù)上的性能。 測(cè)量指標(biāo)是 Recall、Precision 和 F1-Score。 下表顯示了結(jié)果。

可以看到邏輯分類器（邏輯回歸）和隨機(jī)森林取得了明顯優(yōu)于XGBoost模型的結(jié)果， 這是什么原因呢？這是因?yàn)閿?shù)據(jù)比較簡(jiǎn)單，只有幾個(gè)維度的特征，并且數(shù)據(jù)的長(zhǎng)度也很小，我們所有的模型也沒(méi)有進(jìn)行調(diào)優(yōu)。

總結(jié)

我們這篇文章的主要目的是介紹如何將股票價(jià)格的時(shí)間序列轉(zhuǎn)換為分類問(wèn)題，并且演示如何在數(shù)據(jù)處理時(shí)使用窗口函數(shù)將時(shí)間序列轉(zhuǎn)換為一個(gè)序列，至于模型并沒(méi)有太多的進(jìn)行調(diào)優(yōu)，所以對(duì)于效果評(píng)估來(lái)說(shuō)越簡(jiǎn)單的模型表現(xiàn)得就越好。