本文仅从实战角度去观察，利用机器学习算法中，随机森林模型预测股票市场指数涨跌的准确率。
适合入门玩家
首先，我们导入所需要的模块
import numpy as np import pandas as pdimport talib as ta #金融数据计算import datetime,pickle from sklearn.model_selection import GridSearchCVfrom sklearn.metrics import mean_absolute_error,mean_squared_error,r2_score,accuracy_score,roc_auc_scorefrom sklearn.ensemble import RandomForestClassifier #随机森林分类模型
然后读取指数数据，这里所使用的数据为个人付费购买数据，本文所使用的数据可以从文末联系方式获取。
关于数据，如果仅做ML、DL学习使用，可以选择量化平台获取、tushare接口获取、爬虫获取等方式，但如果是做模拟交易或者实盘交易，请尽量购买券商提供的数据，否则在数据清洗方面，哪怕是团队也需要耗费大量的人力物力。
with open(r'D:\history_data_22\indexs.pkl','rb') as f:index_data = pickle.load(f)
然后将index_data 打印出来，我们可以得到这样的数据：
code – 指数代码(string)
date – 日期(int)
open – 开盘价(float)
close – 收盘价(float)
low – 最低价(float)
high – 最高价(float)
vol - 成交量(float)
money – 成交额(float)
因为指数包括了很多，如上证50、沪深300、中证500等等，这里我们仅用上证指数为例
所以选择code代码为SH000001的数据
df = index_data[index_data['code'] == "SH000001"]
现在我们添加一些简单的技术指标
np_close = np.array(df['close'])diff, dea, macd = ta.MACD(np_close, fastperiod=12, slowperiod=26,signalperiod=9)df['MA5'] = ta.MA(np_close,timeperiod=5)df['MA10'] = ta.MA(np_close,timeperiod=10)df['DIFF'] = diffdf['DEA'] = deadf['MACD'] = macd
此时，我们的dataframe应该是这样的
那么，特征值(feature)为Open到MACD。
我们想要机器通过feature预测出明日大盘的涨跌情况，那么这时需要来定义一下label，即告诉机器你想要预测什么。
我们在本文中采用二分类作为测试，涨为1，跌为0。
def num_config(x):if x > 0 :return 1else:return 0
df["(t+1)-(t)"] = df['close'].shift(-1) - df['close']df['label'] = df["(t+1)-(t)"].map(num_config)
再次打印df，我们应该得到如下的数据
这时，特征值和标签，我们都应该搞定了。
现在，我们来划分一下训练集和测试集，因为此文仅做测试使用，大家可以根据个人兴趣，添加验证集，用网格搜索、交叉验证，寻找最优参数，然后再作用于测试集。
因为股票数据是一个典型的时间序列数据（后面会写一篇LSTM运用），所以尽量不要用随机切分。因为随机切分很可能导致你的训练集里面含有未来函数，即X里存在Y，进而导致准确率极其的高。
我们将以前的数据用来做训练，用以后的数据用来做测试。
df = df.dropna() #剔除缺失值df['time'] = pd.to_datetime(df['date'],format='%Y%m%d')train_data = df[df['time']<"-01-01"]test_data = df[df['time']>="-01-01"]train_X = train_data.ix[:,'open':"MACD"].valuestrain_y = train_data['label'].valuestest_X = test_data.ix[:,'open':"MACD"].valuestest_y = test_data['label'].values
所有数据均已准备完毕，下面开始调用sklearn中随机森林模型进行测试
clf = RandomForestClassifier(max_depth=3,n_estimators=20)clf.fit(train_X,train_y)print(accuracy_score(train_y,clf.predict(train_X)))print(accuracy_score(test_y,clf.predict(test_X)))
此时我们看到，该模型在训练集上有58.86%的胜率，在测试集上也拥有56%的胜率。
毫无疑问，这当然是值得庆幸的事情，56%的胜率已经要比50%高出很多，如果按盈亏均为1：1的情况下，长此以往的跑下去，是很恐怖的事情，这简直比赌场里某些游戏的胜率还要高。
但在股票市场里，真的是这样吗？
我们思考一下真实情况，该模型仅是猜涨跌，简单的二分类问题。那假设该模型只是猜跌比较厉害，而猜涨很瓜皮呢？
我们查看一下召回率
发现概率是51%，该模型并没有过多的偏袒涨跌其中的一方。
那么这个模型就可以用了吗?不是的，我们在以前的主观交易到后来的量化交易，发现很多趋势追踪策略的胜率可能只有35%-40%，但仍然可以取得不俗的盈利，原因是趋势追踪策略在盘整或者下跌阶段，有不停的试错，而上涨阶段则是一直处于持仓状态，没有频繁的换仓。于是胜率虽然低，但一口波段也能吃个胖子。
反观我们的56%模型，会不会存在虽然胜率高，但是每次赚的少，而亏一次就亏个大的这样的状况存在呢。
毕竟大A股，暴跌总比暴涨的次数多，对吧。
这里仅抛砖引玉
1、我们是否可以通过回归方法来解决上述问题
2、我们是否可以通过多分类问题来解决上述问题
总结：机器学习对于预测股票市场是存在一定作用的，但该文所涉及的模型仅对第二天的涨跌情况起辅助效果，并不能作为决策的依据！
文中所涉及代码及其付费数据集可以通过下面联系方式索取
注：该文属个人原创，转载请联系
Email:454001240@
VX:gq454001240
如果觉得《利用随机森林预测股票大盘涨跌》对你有帮助，请点赞、收藏，并留下你的观点哦！
