"在股市投资中，投资者往往需要根据历史数据来预测未来的市场趋势，以便做出更明智的投资决策。线性回归作为一种经典的统计工具，在股票量化策略中发挥着举足轻重的作用，它通过对历史数据进行统计分析，建立 .."

jiangzhucao 北京
乾学院 1061 号会员
27 浏览 • 1 个月前

线性回归指标

量化交易

在股市投资中，投资者往往需要根据历史数据来预测未来的市场趋势，以便做出更明智的投资决策。线性回归作为一种经典的统计工具，在股票量化策略中发挥着举足轻重的作用，它通过对历史数据进行统计分析，建立出一个尽可能反映市场规律的模型，从而预测未来的股票价格走势。

建立线性模型的主要思路为：

1. 确定自变量和因变量。因变量一般就是每日的股票价格，如收盘价；自变量可以是价格、财务指标、量化因子等等。

2. 确定训练数据和预测数据的天数，取前 n 天数据做训练，近 m 天数据做预测。例如取前 n 天数据训练，近 m 天数据预测

3. 对自变量特征进行 PCA 主成分分析，提取前 k 个主要成分。

4. PCA 降维之后，用 linefit() 函数做线性回归的预测模型。

5. 在预测数据上做预测，得到第二天的股票价格

指标参数：

函数代码:

	A	B
1	func PCALF(A, $y, n, m, k=4)	=A.derive@o(~[-m+1:0].conj([开盘,收盘,最高,最低]):PCALF0)
2		=A.run( if( #>n+m, ( ox=PCALF0[-n:-1], tm=pca(ox, k), tx=pca(ox, tm), ty=收盘[-n+1,0], mc=linefit(tx.(~\|1), ty ), d=pca([PCALF0], tm ).(~\|1),${y}=mul(d, mc) )))
3		=A.alter(; PCALF0)

这段代码中 pca 函数来自于数学库，读者使用时要在工具→选项菜单中加载数学库。

B49 格中的“[开盘, 收盘, 最高, 最低]”是建模的自变量，读者可以自行修改。

举例：

调用脚本计算浦发银行 2024 年的线性回归指标。n 取 100，m 取 5。

运行效果：