当前位置：首页 > news >正文

机器学习入门——用Python+Excel实现简单预测

news 2026/6/2 12:54:24

机器学习就是让电脑"学习"历史，预测未来。但它不是"水晶球"，而是"望远镜"——能看到更远，但看不清楚。给模型"喂"什么数据，它就学什么，特征工程是关键。

一、机器学习在投资中的应用边界

1.1 机器学习的优势

处理复杂模式：非线性关系、高维数据
自动化特征学习：减少人工特征工程
大数据处理：处理海量历史数据

1.2 机器学习的局限

投资领域的特殊挑战：

挑战	说明
信噪比低	市场噪音大，信号微弱
非平稳性	市场规律会变化
过拟合风险	容易拟合历史噪音
黑盒问题	模型难以解释

1.3 适用场景

适合：

特征工程（数据预处理）
模式识别（趋势、形态）
分类问题（涨跌预测）
聚类分析（股票分组）

不适合：

精确价格预测
长期趋势预测
黑天鹅事件预测

二、线性回归模型

2.1 什么是线性回归？

用线性关系拟合输入（特征）和输出（目标）。

公式：

y = w1*x1 + w2*x2 + ... + wn*xn + b

2.2 Python实现

import pandas as pd from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split from sklearn.metrics import r2_score, mean_squared_error # 读取数据 data = pd.read_excel('stock_data.xlsx') # 特征和目标 X = data[['PE', 'PB', 'ROE', '动量']] # 特征 y = data['未来收益'] # 目标 # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3) # 训练模型 model = LinearRegression() model.fit(X_train, y_train) # 预测 y_pred = model.predict(X_test) # 评估 print(f'R²: {r2_score(y_test, y_pred)}') print(f'RMSE: {mean_squared_error(y_test, y_pred, squared=False)}') # 导出系数到Excel coefficients = pd.DataFrame({ '特征': X.columns, '系数': model.coef_ }) coefficients.to_excel('model_coefficients.xlsx', index=False)

2.3 结果导入Excel

# 预测结果导出 test_results = pd.DataFrame({ '实际值': y_test, '预测值': y_pred, '误差': y_test - y_pred }) test_results.to_excel('prediction_results.xlsx', index=False)

三、随机森林模型

3.1 什么是随机森林？

集成学习方法，构建多棵决策树，投票决定结果。

优势：

非线性建模能力强
不易过拟合
可输出特征重要性

3.2 Python实现

from sklearn.ensemble import RandomForestRegressor # 训练随机森林模型 rf_model = RandomForestRegressor(n_estimators=100, max_depth=5) rf_model.fit(X_train, y_train) # 预测 y_pred_rf = rf_model.predict(X_test) # 特征重要性 importance = pd.DataFrame({ '特征': X.columns, '重要性': rf_model.feature_importances_ }).sort_values('重要性', ascending=False) importance.to_excel('feature_importance.xlsx', index=False)

3.3 特征重要性可视化

在Excel中：

导入特征重要性数据
插入柱状图
一眼看出哪些因子最重要

四、特征工程基础

4.1 什么是特征工程？

将原始数据转换为模型可用的特征。

重要性：

数据和特征决定了机器学习的上限，模型和算法只是逼近这个上限。

4.2 常用特征

价格特征：

收益率（日、周、月）
波动率
移动平均线
RSI、MACD等技术指标

基本面特征：

PE、PB、ROE
营收增长率
净利润增长率

宏观特征：

市场指数收益
利率水平
VIX波动率指数

4.3 特征处理

标准化：

from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X_scaled = scaler.fit_transform(X)

缺失值处理：

# 填充均值 X.fillna(X.mean(), inplace=True)

五、模型评估指标

5.1 回归问题指标

指标	说明	优秀标准
R²	解释方差比例	>0.5
RMSE	均方根误差	越小越好
MAE	平均绝对误差	越小越好

5.2 分类问题指标

指标	说明	优秀标准
准确率	预测正确比例	>60%
精确率	预测为正且正确	>50%
召回率	实际为正且预测正确	>50%
F1分数	精确率和召回率调和平均	>0.5