摘要：
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... 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。
（详见：http://www.etf.com/GLD）
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 fix_yahoo_finance as yf
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 Df=Df[['Close']] # Drop rows with missing values Df= 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() Df= 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 X_train = X[:t] y_train = y[:t] # Test dataset X_test = X[t:] y_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。
