机器学习使用CatBoost库分析股票行情（指标为RSIBollMACD和MA）并输出因子占比分析

Posted 2023-03-10 IT里的交易员

文章目录

• 前言
• 一、CatBoost是什么？
• 二、准备工作
• • • 2.1 MyTT
    • 2.2 获取日K数据
    • 2.3 安装CatBoost
• 三. 使用CatBoost库分析股票行情（完整源码）
• 总结

---

前言

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，能不能通过机器学习来分析股票呢？

本文就抛砖引玉介绍一种使用CatBoost分析股票因子的程序。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、CatBoost是什么？

CatBoost是一种基于梯度提升决策树（Gradient Boosting Decision Tree, GBDT）算法的机器学习库，由俄罗斯搜索引擎公司Yandex于2017年开发。CatBoost是一种高性能、开源的机器学习框架，可用于分类、回归和排序等任务。

CatBoost的主要优势和特点包括：

1. 高性能：CatBoost使用了一些特殊的技术，如对称树、随机化、数据采样等，以提高模型的训练速度和预测速度。

2. 自适应特征缩放：CatBoost能够自动识别每个特征的类型，并进行相应的特征缩放，从而提高模型的准确性。

3. 支持类别型特征：CatBoost能够自动处理类别型特征，无需进行独热编码等操作。

4. 鲁棒性：CatBoost具有很强的鲁棒性，能够处理缺失值、异常值等问题。

5. 可解释性：CatBoost能够输出每个特征的重要性，从而帮助用户理解模型的决策过程。

6. 支持GPU加速：CatBoost支持GPU加速，可以大幅提高模型的训练速度。

总之，CatBoost是一种强大的机器学习库，具有高性能、自适应特征缩放、支持类别型特征、鲁棒性、可解释性等优势和特点。

二、准备工作

2.1 MyTT

它将通达信,同花顺,文华麦语言等指标公式indicators,最简移植到Python中,核心库单个文件，仅百行代码,实现和转换同花顺通达信所有常见指标，整个包就是一个文件，将其复制到项目目录即可调用，指标可以自行扩展。有些平台不允许安装第三方包，这个就一个文件，复制上去就可以用。而且速度也很快。

下载MyTT文件
访问https://github.com/mpquant/MyTT，下载MyTT文件放到运行Python的目录即可。

2.2 获取日K数据

计算指标，先得有数据，采集数据可考文章《一文学懂通过Tushare、AKshare、baostock、Ashare、Pytdx获取股票行情数据（含代码）》
https://blog.csdn.net/popboy29/article/details/125815775

2.3 安装CatBoost

建议先安装Anaconda ，因为这里把常用的环境已经安装集成安装好了。
安装成功后，在Anaconda import中使用conda命令进行安装
conda install catboost

三. 使用CatBoost库分析股票行情（完整源码）

# -*- coding: utf-8 -*-
# 以下是使用CatBoost库分析股票行情的Python源码，指标为RSI、Boll、 MACD和MA，并输出因子占比分析的代码：

import pandas as pd
import numpy as np
from catboost import CatBoostRegressor, Pool
from Ashare import *
from MyTT import *

# 获取股票行情数据
# df = pd.read_csv('stock_data.csv')
df = get_price('sh600258',frequency='1d',count=1000)
df['trade_date'] = df.index
print(df.tail(3))

# 计算指标
CLOSE = df['close']
df['RSI'] = RSI(CLOSE)
df['UPPER'], df['MID'], df['LOWER']  = BOLL(CLOSE)
df['DIFF'], df['DEA'], df['MACD'] = MACD(CLOSE,SHORT=12,LONG=26,M=9)
df['MA10'] = MA(CLOSE,10)
df['MA20'] = MA(CLOSE,20)
df['MA60'] = MA(CLOSE,60)

# 删除缺失值
df.dropna(inplace=True)

# 拆分训练集和测试集
train_size = int(len(df) * 0.8)
train_data = df[:train_size]
test_data = df[train_size:]

# 不参与训练、验证和展示的字段
no_train =['trade_date', 'close', 'open', 'high', 'low']

# 定义训练集和测试集
train_pool = Pool(train_data.drop(no_train, axis=1), train_data['close'])
test_pool = Pool(test_data.drop(no_train, axis=1), test_data['close'])

# 定义CatBoost回归器
model = CatBoostRegressor(iterations=1000, learning_rate=0.05, depth=6, loss_function='RMSE')

# 训练模型
model.fit(train_pool)

# 输出因子占比分析
feature_importances = model.get_feature_importance()
feature_names = train_data.drop(no_train, axis=1).columns
sorted_idx = feature_importances.argsort()

for i in sorted_idx:
    print(f"feature_names[i]: feature_importances[i]:.3f")

# 预测测试集
predictions = model.predict(test_pool)

# 计算误差
mse = np.mean((predictions - test_data['close']) ** 2)
print('均方误差MSE:', mse)

以上代码会输出每个因子的占比分析结果。请注意，这只是一个简单的示例代码，您需要根据您的数据和需求进行修改和调整。

经测试，结果如下：

volume: 0.907
DEA: 2.172
DIFF: 3.081
LOWER: 5.415
MACD: 5.446
MID: 8.423
MA60: 9.331
MA20: 9.746
UPPER: 17.216
RSI: 17.310
MA10: 20.953
均方误差MSE: 0.08222467686549087

---

总结

经过上面的分析，我们看到均方误差(MSE，结果越小越好）还是挺大的，但10日均线、RSI指标、布林上轨与股票的关联度是比较高的，那么我们对此类行情是不是就可以多关注以下这个指标的演进情况。

另外，对因子的分析多种多样，要分析其关联性，我们也可以修改指标参数、添加或删除训练参数，下面简要说明一下：

1. 文中使用的指标都是默认参数，且均改为国内指标。如：

RSI(CLOSE, N=24)
BOLL(CLOSE,N=20, P=2)
MACD(CLOSE,SHORT=12,LONG=26,M=9)

2. 增加其它指标和参数，例如：增加KDJ指标，只需要在“指标计算”环节增加如下代码：

df['K']，df['D']，df['J'] = KDJ(CLOSE,HIGH,LOW, N=9,M1=3,M2=3)

3. 剔除训练参数，只需要在“不参与训练、验证和展示的字段”的列表里删除相应字段即可。

---

文章抛砖引玉，欢迎评论区留言一起交流！