编译：小明同学君、吴双、Yawei xia
新年总是跟黄金密不可分。新年第一天，让我们尝试用python搭建一个机器学习线性回归模型，预测金价!
自古以来，黄金一直作为货币而存在，就是在今天，黄金也具有非常高的储藏价值，那么有没有可能预测出黄金价格的变化趋势呢?
答案是肯定的，让我们使用机器学习中的回归算法来预测世界上贵重金属之一,黄金的价格吧。
我们将建立一个机器学习线性回归模型，它将从黄金ETF (GLD)的历史价格中获取信息，并返回黄金ETF价格在第二天的预测值。
GLD 是最大的以黄金进行直接投资的ETF交易基金。
在python的开发环境下用机器学习预测黄金价格的步骤：
- 导入Python库并读取黄金ETF 的数据
- 定义解释变量
- 将数据切分为模型训练数据集和测试数据集
- 建立线性回归模型
- 预测黄金ETF的价格
导入Python库并读取黄金 ETF 的数据
首先:导入实现此策略所需的所有必要的库(LinearRegression，pandas，numpy，matplotlib，seaborn和fix_yahoo_finance)
- # LinearRegression is a machine learning library for linear regression
- from sklearn.linear_model import LinearRegression
- # pandas and numpy are used for data manipulation
- import pandas as pd
- import numpy as np
- # matplotlib and seaborn are used for plotting graphs
- import matplotlib.pyplot as plt
- import seaborn
- # fix_yahoo_finance is used to fetch data import f
然后我们读取过去10年间每天黄金ETF的价格数据，并将数据储存在Df中。我们移除那些不相关的变量并使用dropna函数删除NaN值。然后我们绘制出黄金ETF的收盘价格。
- # Read data
- Df = yf.download('GLD','2008-01-01','2017-12-31')
- # Only keep close columns
- DfDf=Df[['Close']]
- # Drop rows with missing values
- DfDf= Df.dropna()
- # Plot the closing price of GLD
- Df.Close.plot(figsize=(10,5))
- plt.ylabel("Gold ETF Prices")
- plt.show()
输出
定义解释变量
解释变量是被用来决定第二天黄金ETF价格数值的变量。简单地说，就是我们用来预测黄金ETF价格的特征值。本例中的解释变量是过去3天和9天的价格移动平均值。我们使用dropna()函数删除NaN值，并将特征变量存于X中。
然而，你还可以在X中放入更多你认为对于预测黄金ETF价格有用的变量。这些变量可以是技术指标，也可以是另一种ETF的价格(如黄金矿工ETF (简称GDX)或石油ETF(简称USO))或美国经济数据。
- Df['S_3'] = Df['Close'].shift(1).rolling(window=3).mean()
- Df['S_9']= Df['Close'].shift(1).rolling(window=9).mean()
- DfDf= Df.dropna()
- X = Df[['S_3','S_9']]
- X.head()
输出
定义因变量
同样，因变量是取决于解释变量的“被解释变量”。简单地说，在这里就是我们试图预测的黄金ETF价格。我们将黄金ETF的价格赋值为y。
- y = Df['Close']
- y.head()
输出
- 2008-02-08 91.000000
- 2008-02-11 91.330002
- 2008-02-12 89.330002
- 2008-02-13 89.440002
- 2008-02-14 89.709999
- Name: Close, dtype: float64
将数据切分为模型训练数据集和测试数据集
在此步骤中，我们将预测变量(解释变量)数据和输出(因变量)数据拆分为训练数据集和测试数据集。训练数据用于建立线性回归模型，将输入与预期输出配对。测试数据用于评估模型的训练效果。
- 前80%的数据用于训练模型，其余的数据用来测试模型。
- X_train 和y_train是训练数据集。
- X_test & y_test是测试数据集。
- t=.8
- t = int(t*len(Df))
- # Train dataset
- XX_train = X[:t]
- yy_train = y[:t]
- # Test dataset
- XX_test = X[t:]
- yy_test = y[t:]
建立线性回归模型
接下来我们将建立一个线性回归模型。什么是线性回归呢?
如果我们试图捕捉可以最优解释Y观测值的X变量和Y变量之间的数学关系，我们将在X的观测值形成的散点图中去拟合一条线，那么这条线，也就是x和y之间的方程就被称为线性回归分析。
再进一步地说，回归解释了因变量在自变量上的变化。因变量y是你想要预测的变量。自变量x是用来预测因变量的解释变量。下面的回归方程描述了这种关系:
- Y = m1 * X1 + m2 * X2 + CGold ETF price = m1 * 3 days moving average + m2 * 15 days moving average + c
然后我们利用拟合方法来拟合自变量和因变量(x和y)，从而生成系数和回归常数。
- linear = LinearRegression().fit(X_train,y_train)
- print "Gold ETF Price =", round(linear.coef_[0],2), \
- "* 3 Days Moving Average", round(linear.coef_[1],2), \
- "* 9 Days Moving Average +", round(linear.intercept_,2)
输出
黄金ETF价格=1.2×3天的移动平均价-0.2×9天的移动平均价+0.39
预测黄金ETF的价格
现在，是时候检查模型是否在测试数据集中有效了。我们使用由训练数据集建立的线性模型来预测黄金ETF的价格。预测模型可以得到给定解释变量X后相应的黄金ETF价格(y)。
- predicted_price = linear.predict(X_test)
- predicted_price = pd.DataFrame(predicted_price,index=y_test.index,columns = ['price'])
- predicted_price.plot(figsize=(10,5))
- y_test.plot()
- plt.legend(['predicted_price','actual_price'])
- plt.ylabel("Gold ETF Price")
- plt.show()
输出
图表显示了黄金ETF价格的预测值和实际值(蓝线是预测值，绿线是实际值)。
现在，让我们使用score()函数来计算模型的拟合优度。
- r2_score = linear.score(X[t:],y[t:])*100
- float("{0:.2f}".format(r2_score))
可以看出，模型的R²是95.81%。R²总是在0到100%之间。接近100%的分数表明该模型能很好地解释黄金ETF的价格。
祝贺你，你刚刚学会了一种基本而又强大的机器学习技巧。
原文链接：
https://www.quantinsti.com/blog/gold-price-prediction-using-machine-learning-python/
【本文是51CTO专栏机构大数据文摘的原创译文，微信公众号“大数据文摘（ id: BigDataDigest）”】
