python-3.x - 基于代码、日期、平均价格的股票预测

Question

我正在尝试根据过去 5 年的可用数据来预测 future 7 天的股票价格。数据看起来像这样

我正在尝试对此数据集应用支持向量回归。我已经使用 data.Date = pd.to_datetime(data.Date) 将日期列转换为 pandas datetime，但仍然收到此错误

float() 参数必须是字符串或数字，而不是“Timestamp”。

我的代码如下

from sklearn.svm import SVR
adaniPorts = data[data.Symbol == 'ADANIPORTS']

from sklearn.cross_validation import train_test_split
X = adaniPorts[['Symbol', 'Date']]
Y = adaniPorts['Average Price']
x_train, x_test, y_train, y_test = train_test_split(X, Y)

classifier = SVR().fit(x_train, y_train)

有什么办法可以解决这个日期时间问题吗？

Answer 1

当你训练 SVR 时，你只能使用数字特征。包含datetime信息的一种方法是使用pd.to_timedelta(df.date).dt.total_seconds()，这样您还可以向回归器提供代表的数字特征本例中的日期。另一种方法是包含日期时间对象的不同字段，年，月，日作为预测变量。

然而，如果特征提供了足够的信息来克服时间成分，那么使用 SVR 进行时间序列预测会更有意义，但事实确实如此。

此外，您正在使用train_test_split，它将根据原始数据生成随机训练和测试子集。这不能直接应用于时间序列数据，因为它假设观测值之间没有关系。处理时间序列时，必须按照观察到的值的时间顺序来分割数据。

我建议您也看看Recurrent neural networks或ARIMA型号