使用Python对股票参数进行特征重要性分析

　　前言
　　特征重要性分析，顾名思义就是要看看这一批参数里面，各个参数对模型预测结果的贡献度分别是多少，对于每一个预测结果来说，哪些参数的贡献度是最大的，哪些参数是无关紧要的。在本文中，我们以预测股票涨跌为例，简要介绍使用 Python 来对股票预测模型的参数进行特征重要性分析的方法，希望对大家能有所帮助。  导入依赖包import sys import numpy as np import csv import pandas as pd from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestRegressor from sklearn.inspection import permutation_importance import shap from matplotlib import pyplot as plt  print(＂python version: {}＂.format(sys.version))
　　这里我使用的 Python 版本是：3.9.5 (tags/v3.9.5:0a7dcbd, May 3 2021, 17:27:52)  准备好模型训练所需的数据
　　要对预测模型的参数进行重要性分析，首先我们得有关于这些参数的数据（如：＂MACD＂, ＂MACD_DIF＂, ＂MACD_DEA＂, ＂DMA_DIF＂, ＂PLRC12＂, ＂PLRC6＂, ＂Price1M＂, ＂Price3M＂, ＂EMA5＂, ＂EMAC10＂等等）。这些参数我已经事先准备好了，这里我们只需从文件中读取即可。
　　使用下面的代码将数据从文件中读取出来：  CSV_FILE_PATH = ＂./backup/stocks_data_test.csv＂  data = pd.read_csv(CSV_FILE_PATH) row_0 = list(data.loc[0]) row_num = data.iloc[:,0].size  print(＂data len: {}＂.format(len(row_0))) print(＂row_num: {}＂.format(row_num))  y_list = []   # 用于存放标签数据 x_list = []   # 用于存放特征数据 for i in range(row_num):     row_data_list = list(data.loc[i])     y_list.append(int(row_data_list[0]))     x_list.append(row_data_list[1:])  # 将数据类型由 list 转换为 array x_array = np.array(x_list) y_array = np.array(y_list)  print(＂x_array shape: {}＂.format(x_array.shape)) print(＂y_array shape: {}＂.format(y_array.shape)) print(＂==================== Column Name ====================＂) print(list(data.columns)) print(＂----- Finished -----＂)
　　从代码运行的输出结果中可以看到，我们这一批数据总共有 19 个参数以及 6884 个样本：
　　划分训练集和测试集
　　使用如下代码将整个数据划分为两个部分：测试集和训练集。训练集用于模型训练，测试集用于模型验证和测试。  # test_size=0.2   设置测试集的样本数量为全部样呗的 20% # random_state=12 设置随机种子为 12 # shuffle=True    打乱样本数据的顺序 x_train, x_test, y_train, y_test = train_test_split(x_array, y_array, test_size=0.2, random_state=12, shuffle=True)  print(＂x_train shape: {}＂.format(x_train.shape)) print(＂y_train shape: {}＂.format(y_train.shape)) print(＂x_test  shape: {}＂.format(x_test.shape)) print(＂y_test  shape: {}＂.format(y_test.shape))  print(＂----- Finished -----＂)
　　从代码的运行输出结果可以看到，这里我们划分的训练集样本数量为 5507 个，测试集的样本数量为 1377 个。
　　用随机森林回归算法对模型进行训练# n_estimators：森林中决策树的数量 rf = RandomForestRegressor(n_estimators=100) rf.fit(x_train, y_train)  print(＂----- Finished -----＂)
　　模型训练好了之后，我们可以使用如下代码使用模型对测试集中的数据进行预测：  predict_value = rf.predict(x_test) for idx,value in enumerate(predict_value):     print(＂[predict]: idx = {}, label = {}, predict = {}＂.format(idx, y_test[idx], value))  print(＂----- Finished -----＂)调用模型解释包 shap 对参数进行特征重要性分析# 我们记录在文件中的数据的特征参数名称 columns_name_list = [     ＂ChangePercent＂, ＂MACD＂, ＂MACD_DIF＂, ＂MACD_DEA＂, ＂DMA_DIF＂, ＂PLRC12＂, ＂PLRC6＂, ＂Price1M＂,      ＂Price3M＂, ＂EMA5＂, ＂EMAC10＂, ＂EMAC12＂, ＂EMAC20＂, ＂EMAC26＂, ＂MAC5＂, ＂MAC10＂, ＂MAC20＂, ＂MAC60＂, ＂MAC120＂ ] explainer = shap.TreeExplainer(rf) shap_values = explainer.shap_values(x_test) shap.summary_plot(shap_values, x_test, feature_names=columns_name_list)  print(＂----- Finished -----＂)
　　运行上面的代码，我们就可以看到各个参数对模型预测结果的贡献度了，红色代表正向贡献，蓝色代表负向贡献，参数的贡献度从上往下是由大到小，具体情况如下图所示：
　　对单个预测结果的特征贡献度进行可视化显示shap.initjs() shap.force_plot(explainer.expected_value, shap_values[0,:], x_test[0,:],feature_names=columns_name_list)shap.initjs() shap.force_plot(explainer.expected_value, shap_values[4,:], x_test[4,:],feature_names=columns_name_list)
　　对测试集全部样本预测结果的特征重要性进行可视化shap.initjs() shap.force_plot(explainer.expected_value, shap_values, x_test,feature_names=columns_name_list)
　　结语
　　以上就是使用 Python 对股票涨跌预测模型的参数进行重要性分析的方法了，如果感觉还不错的话，可以帮忙给个赞哦，感谢各位支持。 需要注意的是，模型预测的准确性和模型以及数据都有关系，要谨慎使用。