摘要：由于線性回歸作用于股票收盤價的整個周期，因此選擇合適的時間段非常重要。在制定量化交易策略時有一種方式是尋找現(xiàn)象中的特征，根據(jù)特征去生成交易條件。

新年伊始，很榮幸筆者的《教你用 Python 進(jìn)階量化交易》專欄在慕課專欄板塊上線了，歡迎大家訂閱！為了能夠提供給大家更輕松的學(xué)習(xí)過程，筆者在專欄內(nèi)容之外會陸續(xù)推出一些手記來輔助同學(xué)們學(xué)習(xí)本專欄內(nèi)容，因此同學(xué)們無需擔(dān)心專欄內(nèi)容在學(xué)習(xí)上的困難，更多的是明確自己學(xué)習(xí)的目的即可。當(dāng)然筆者也歡迎同學(xué)們踴躍留言，說出自己想擴(kuò)展的知識點，筆者會根據(jù)同學(xué)們的意愿選擇性的推出一些內(nèi)容。

本次場外篇筆者在專欄《22、股票交易策略開發(fā)：走勢線性回歸選股策略》的基礎(chǔ)上對線性回歸方法的策略應(yīng)用做進(jìn)一步的擴(kuò)展介紹，同時會涉及到多個小節(jié)的知識內(nèi)容，大家可以參考專欄內(nèi)容。

這里我們順帶介紹下搭建環(huán)境中可能會遇到的問題，如果有同學(xué)是用mac系統(tǒng)開發(fā)的，在MAC中調(diào)試matplotlib時中文顯示框框解決方法：
1、下載simhei.ttf字體庫拷貝至matplotlib字體文件夾（Macintosh HD ? 用戶 ? SHQ ? anaconda3 ? lib ? python3.7 ? site-packages ? matplotlib ? mpl-data ? fonts? ttf）。
2、同樣在matplotlib/mpl-data/fonts目錄下面修改配置文件matplotlibrc
font.family : sans-serif
font.sans-serif : SimHei, Bitstream Vera Sans, Lucida Grande, Verdana, Geneva, Lucid, Arial, Helvetica, Avant Garde, sans-serif
axes.unicode_minus:False
3、在Python中運行如下代碼重新加載字體使配置生效：
from matplotlib.font_manager import _rebuild
_rebuild() #reload

言歸正傳，在22小節(jié)中筆者選取了浙大網(wǎng)新、高鴻股份、開山股份、水晶光電四只股票的收盤價以線性回歸的方式擬合出走勢的角度，從而評估它們未來的趨勢。

由于線性回歸作用于股票收盤價的整個周期，因此選擇合適的時間段非常重要。比如以高鴻股份為例，以下是它從2018年1月1日至今的走勢圖（參照股票《16、股票交易數(shù)據(jù)可視化：技術(shù)分析常用指標(biāo)繪制》實現(xiàn)）。

從圖中可以看到2018年4月10月是單邊下降趨勢，而從10月份開始轉(zhuǎn)為上升趨勢。那么我們分別對這兩段周期做線性回歸后發(fā)現(xiàn)，單邊下降通道的擬合直線角度為-0.97度，而上升通道擬合直線角度為1.5度，股價的擬合直線角度從-0.97度至1.5度的轉(zhuǎn)變過程，其實也是由跌轉(zhuǎn)漲的過程。?

在制定量化交易策略時有一種方式是尋找現(xiàn)象中的特征，根據(jù)特征去生成交易條件。那么這里給大家一個衍生的策略思路，既然線性回歸作用于股票收盤價的整個周期，前后兩段完全相反的周期會彼此作用，最終影響擬合的角度值，我們可以設(shè)定窗口期用移動窗口的方式擬合股票的走勢。

在22小節(jié)的FactorPickStockAng類中增加一個方法，代碼如下：

def fit_price(self, symbols, cycle=30, show=True):?        
    for index, stockName in enumerate(symbols.keys()):?            
        #kl_pd = getdata #參考fit_pick()方法，此處略?
        kl_pd.fillna(method="bfill", inplace=True) ?           
        for kl_index in np.arange(0, kl_pd.shape[0]):?                
            if kl_index >= cycle:?                    
                kl_pd.loc[kl_pd.index[kl_index], "ang"], x, reg_y_fit, y_arr = self.calc_regress_deg(kl_pd.Close[kl_index-cycle:kl_index])                 
                print(kl_pd.index[kl_index],kl_pd.iloc[kl_index, kl_pd.columns.get_loc("ang")])?            
        if show:?                
            kl_pd.fillna(method="bfill", inplace=True)    
            plt.plot(np.arange(0, len(kl_pd.index)), kl_pd.ang)?  
     plt.title("compare ang")?        
     plt.legend(symbols.keys(), loc="best")?        
     plt.show()

執(zhí)行該代碼examp_trade.fit_price(pick_stocks)可生成浙大網(wǎng)新、高鴻股份、開山股份、水晶光電四只股票的收盤價移動線性回歸曲線圖，可以發(fā)現(xiàn)角度曲線的拐點預(yù)示開始反轉(zhuǎn)為新一輪的走勢。

在《16、股票交易數(shù)據(jù)可視化：技術(shù)分析常用指標(biāo)繪制》小節(jié)的基礎(chǔ)上把移動線性回歸擬合曲線增加到顯示界面中，箭頭所指示的位置作為買賣點目前來看是有一定的盈利特征的，不過此處只是為了擴(kuò)展大家的思路達(dá)到教學(xué)目的而設(shè)定的策略，大家可以在這個基礎(chǔ)上展開更多股票和周期的回測以驗證策略的可靠性。更多的量化交易內(nèi)容歡迎大家訂閱專欄閱讀！！

更多python量化交易內(nèi)容互動請加微信公眾號：PythonQT-YuanXiao