淺談用線性迴歸預測股票價格

更新於 發佈於 閱讀時間約 2 分鐘
這篇文章的標題有「預測」二字,但看完之後請大家思考一下,這種基於「統計學」、「機器學習」的預測方法,是否跟你心中的「預測」相差甚遠呢?
這篇文章會簡介一下用線性回歸預測股票價格的概念。

線性回歸

何謂回歸(Regression)? 回歸是一種統計學上分析數據的方法,其目的在於找出一個最能夠代表觀測資料關係的函數,它所得出的結論是連續的。例如:想找出年齡對應薪資的關係或者隨著時間推進的股票價格。 在只有兩個變數的平面上,也就是二維空間,找出一條能夠代表資料的線,我們稱之為簡單線性回歸(Simple Linear Regression)。 三維以上的空間中,利用線性回歸找出一能夠代表資料的超平面(Hyperplane),我們稱之為多元線性回歸 (Multiple Linear Regression)。
線性回歸是一種用於模擬因變量(y)和自變量(x)之間關係的方法。通過簡單的線性回歸,只有一個自變量x。可能有許多獨立變量屬於多元線性回歸的範疇。
在這種情況下,我們只有一個自變量即日期。對於第一個日期上升到日期向量長度的整數,該日期將由1開始的整數表示,該日期可以根據時間序列數據而變化。當然,我們的因變量將是股票的價格。為了理解線性回歸,您必須了解您可能在學校早期學到的相當基本的等式。
y = a + bx
  • Y =預測值或因變量
  • b =線的斜率
  • x =係數或自變量
像是下圖的範例,可以想像成10號到26號每天的價格圖,紅點是每一天的價格落點(12號是190元、14號是210元….)而綠色的線則是我們根據資料有的12的紅點來擬合出一條最接近的方程式。
從本質上講,上面那個簡單的方程式就可以構成我們對數據的擬合。在運算(Ordinary Least Squares)過後即找到最佳擬合線,最小化平方誤差和(SSE)與股票價格(y)的實際值以及我們在數據集中所有點的預測股票價格。
迴歸分析主要目的是用來解釋資料過去的現象及由自變數來預測依變數未 來可能產生之數值。而簡單線性迴歸分析則是用一直線來解釋一個自變數與一 個依變數的關係。
不知道大家看完之後,對基本的「預測」是否有一點點認識,如果有任何問題也歡迎留言討論。
我們自己的Podcast也開張了
每週更新,希望帶給大家機器學習的相關內容
我們也會在每個月11號 帶給大家這個月的機器學習分析結果
歡迎大家來聽聽 並和我們也分享資訊
FB: https://reurl.cc/WL19r9
Podcasts:
Apple: https://reurl.cc/D63Dz6
SoundOn: https://reurl.cc/n0OXad
Spotify :https://reurl.cc/XkV3dR
為什麼會看到廣告
avatar-img
112會員
94內容數
史塔克音近Stock,我們是一群喜歡研究股市市場並且利用機器學習分析的資料科學家,我們最常使用到Python來做量化投資,研究了一段時間的財經跟程式,希望能把我們自己分析的分析成果,和大家一起分享看看,並且和大家在這一條漫長的路一起學習成長!
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
在大數據以及科技的快速進展之下,會有許多傳統投資者對這種投資方式並不是很理解,並且對機器學習還有電腦來輔助感到不安,但我們要指出,這些並不是新概念,許多投資者已經在使用數據和某種形式的機器學習來分析市場資訊。  
大數據和機器學習正掀起一波“數位革命”,巨量的資料正掀起人類生活、工作和思考方式的全面革新。 以股票市場來說, 許多國家允許投資者自行探索自由市場的相關數據。例如,數百萬種金融商品的即時價格、電子商務在某個時間的交易的客戶數量或者用衛星探測某個國家農業的總產量等等。
在大數據以及科技的快速進展之下,會有許多傳統投資者對這種投資方式並不是很理解,並且對機器學習還有電腦來輔助感到不安,但我們要指出,這些並不是新概念,許多投資者已經在使用數據和某種形式的機器學習來分析市場資訊。  
大數據和機器學習正掀起一波“數位革命”,巨量的資料正掀起人類生活、工作和思考方式的全面革新。 以股票市場來說, 許多國家允許投資者自行探索自由市場的相關數據。例如,數百萬種金融商品的即時價格、電子商務在某個時間的交易的客戶數量或者用衛星探測某個國家農業的總產量等等。
你可能也想看
Google News 追蹤
Thumbnail
在創作的路上真的很多人問我說 到底要怎麼做出符合自己期待 但又可以表現得很有美感的作品?🥹 這個問題真的應該是每個創作者都一直在學習的課題吧!
提問的內容越是清晰,強者、聰明人越能在短時間內做判斷、給出精準的建議,他們會對你產生「好印象」,認定你是「積極」的人,有機會、好人脈會不自覺地想引薦給你
🌟 監督學習演算法(Supervised Learning Algorithms) 1️⃣ 線性回歸(Linear Regression) 應用場景:數值型預測,例如房價預測。 優勢: 簡單易懂,適合初學者。 對於線性關係的數據擬合效果佳。 局限: 無法處理非線性資料。 對異常值敏
Thumbnail
這篇文章探討了股票技術分析的基本概念,包括K線圖和移動平均線的定義和用途,以及型態學的應用。此外,文章也介紹了葛蘭碧八大法則的相關內容,並討論了其歷史和潛在侷限性。最後,文章提醒投資者要理解技術分析工具的原理,不依賴單一指標做出投資決策。
本文深入淺出地解析均線使用技巧,包括均線排列、股價與均線關係、均線斜率及交叉等重點,幫助投資者掌握趨勢判斷的關鍵,提升投資決策能力。
Thumbnail
本研究使用了盤中逐筆成交資料(Tick-by-tick Data)來進行股票價格的預測,並討論了馬可夫鏈模型和擴散核模型在這方面的應用。研究結果表明,大多數股票的未來三秒價格可以在少於22個狀態中找到,顯示了交易價格的低不確定性。此外,研究還發現波動性更大和價格更高的股票更難以準確預測。
Thumbnail
技術指標源自統計學原理,反映市場變化的概率分佈,而非預測工具。本文了解指標背後邏輯有利活學活用,甚至自行改良創新。
Thumbnail
這篇文章將分享作者在量化交易中的一些心得和經驗,包括使用線性表示商品未來合理價格、避免以單一指標決定交易等。透過這些觀點,讀者可以獲得更多對量化交易的理解。
Thumbnail
趨勢線是金融市場中重要的交易工具,能幫助交易者預測價格走勢並制定交易策略。本文介紹了趨勢線的繪製方法,趨勢反轉的識別以及策略補強規則。閱讀本文可以讓讀者更好地理解趨勢線的應用,提高交易的成功率。
如上一篇所提到,大部分的門派都是再用統計學跟過去的方法,由因推向果,看到投信籌碼開始布局,看到財報跟未來題材發展的可能性,去(預估)一檔個股跟標的後續可能會漲,看到均線、看到指標開始落底,開始試單。 而動能交易,在第一根上漲之前,是絕對不會發現的,也就是說,所謂的動能,不是預測,而是真正的真金
什麼叫均值回歸,要如何搭配股市操作,可以參考作者的方法。
Thumbnail
在創作的路上真的很多人問我說 到底要怎麼做出符合自己期待 但又可以表現得很有美感的作品?🥹 這個問題真的應該是每個創作者都一直在學習的課題吧!
提問的內容越是清晰,強者、聰明人越能在短時間內做判斷、給出精準的建議,他們會對你產生「好印象」,認定你是「積極」的人,有機會、好人脈會不自覺地想引薦給你
🌟 監督學習演算法(Supervised Learning Algorithms) 1️⃣ 線性回歸(Linear Regression) 應用場景:數值型預測,例如房價預測。 優勢: 簡單易懂,適合初學者。 對於線性關係的數據擬合效果佳。 局限: 無法處理非線性資料。 對異常值敏
Thumbnail
這篇文章探討了股票技術分析的基本概念,包括K線圖和移動平均線的定義和用途,以及型態學的應用。此外,文章也介紹了葛蘭碧八大法則的相關內容,並討論了其歷史和潛在侷限性。最後,文章提醒投資者要理解技術分析工具的原理,不依賴單一指標做出投資決策。
本文深入淺出地解析均線使用技巧,包括均線排列、股價與均線關係、均線斜率及交叉等重點,幫助投資者掌握趨勢判斷的關鍵,提升投資決策能力。
Thumbnail
本研究使用了盤中逐筆成交資料(Tick-by-tick Data)來進行股票價格的預測,並討論了馬可夫鏈模型和擴散核模型在這方面的應用。研究結果表明,大多數股票的未來三秒價格可以在少於22個狀態中找到,顯示了交易價格的低不確定性。此外,研究還發現波動性更大和價格更高的股票更難以準確預測。
Thumbnail
技術指標源自統計學原理,反映市場變化的概率分佈,而非預測工具。本文了解指標背後邏輯有利活學活用,甚至自行改良創新。
Thumbnail
這篇文章將分享作者在量化交易中的一些心得和經驗,包括使用線性表示商品未來合理價格、避免以單一指標決定交易等。透過這些觀點,讀者可以獲得更多對量化交易的理解。
Thumbnail
趨勢線是金融市場中重要的交易工具,能幫助交易者預測價格走勢並制定交易策略。本文介紹了趨勢線的繪製方法,趨勢反轉的識別以及策略補強規則。閱讀本文可以讓讀者更好地理解趨勢線的應用,提高交易的成功率。
如上一篇所提到,大部分的門派都是再用統計學跟過去的方法,由因推向果,看到投信籌碼開始布局,看到財報跟未來題材發展的可能性,去(預估)一檔個股跟標的後續可能會漲,看到均線、看到指標開始落底,開始試單。 而動能交易,在第一根上漲之前,是絕對不會發現的,也就是說,所謂的動能,不是預測,而是真正的真金
什麼叫均值回歸,要如何搭配股市操作,可以參考作者的方法。