python - 如何确定线性回归中的 x 或 y 变量何时发散？

Question

我正在为其他人构建交易算法。

我正在数据帧的两列上运行线性回归。数量和价格。

df:

   Volume     Price
0  12.952941  8.534815
1  12.972921  8.544813

这就是我运行线性回归的方式

from scipy.stats import linregress

lr = linregress( df['Volume'],df['Price'])

要求之一是确定成交量何时与价格背离，或者何时上涨而价格下跌。

有什么办法可以做到这一点吗？我不知道如何确定这一点。

提前谢谢您。

Answer 1

我认为你应该使用correlations执行您所描述的操作。

总而言之，相关性用于描述问题中的两个变量(例如数量和价格)之间的关系。因此，每当关联变量时，都会返回 -1 到 +1 之间的数字。

一般来说，如果变量之间存在正相关性(通常> 0.6)，则表示当交易量增加时，价格也会上涨。另一方面，负相关(确切地说是接近-1的值)，当一个变量增加时，另一个变量减少。

通常，只要发现相关性接近于零，就可以说相关性较弱或不相关。

此外，还有应用相关性的规则。一般来说，当您具有非高斯分布时，您应该使用 Spearman 相关性。具有高斯分布，您可以使用 PIL 逊相关性。要确定您的分布是否为高斯分布，您可以使用 Kolmogorov-Smirnov 检验或 Shapiro-Wilk 检验。

还有一个细节。计算相关性时，您必须验证 p-value它量化了相关性有效的概率。通常，p 值 < 0.05 是可以接受的。否则，您无法得出有关关联结果的任何结论。