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）”】

戳这里，看该作者更多好文

【编辑推荐】

如何做好文本关键词提取？从达观数据应用的三种算法说起

利用神经网络算法的C＃手写数字识别

区块链主流共识算法的浅析

外媒速递：Cython——以C语言速度狂奔的Python

小白学数据：教你用Python实现简单监督学习算法