股票市场的预测是金融领域中的一个重要研究方向，尤其是如何通过历史数据预测未来股价。这篇博客将带你走进如何通过多种方法，如CEEMDAN（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）分解技术与机器学习模型（如SVM、XGBoost、LSTM等）结合，来实现股票价格预测。我们将使用苹果公司（AAPL）股票的历史数据进行详细分析，并逐步展示如何通过不同的技术和模型对股票市场进行预测。
1. 数据预处理与模态分解
股票市场数据通常呈现出非常复杂的非线性和非平稳性特征。为了更好地进行预测，我们首先需要对数据进行适当的处理，去除噪声并提取更有用的信息。
部分数据如下所示：
1.1 数据读取与清洗
我们从苹果公司（AAPL）股票的历史数据入手，加载CSV文件，并去除缺失值。然后，我们将数据中的“Date”列删除，保留价格信息。
df_apple = pd.read_csv("AAPL.csv")
df_apple = df_apple.dropna()
del df_apple["Date"]
df_apple.head()
1.2 数据统计分析
对数据进行初步的统计分析，计算最大值、最小值、平均值、标准差等基本统计量，并进行偏度、峰度、JB检验等高级统计检验，以了解数据的分布特征。
def num_jy(df111):
print("最大值", max(df111))
print("最小值", min(df111))
print("平均值", np.mean(df111))
print("标准差：", np.std(df111))
print("偏度：", pd.Series(df111).skew())
print("峰度：", pd.Series(df111).kurt())
# 计算JB检验量
skew = pd.Series(df111).skew()
krut = stats.kurtosis(df111) + 3
JB = len(df111) * (skew ** 2 / 6 + (krut - 3) ** 2 / 24)
print("JB检验：", JB)
p_value = 1 - stats.chi2.cdf(JB, df=2)
print('p_value:', p_value)
num_jy(df_apple["Close"])
1.3 CEEMDAN分解
为了从原始股价数据中提取潜在的模式，我们使用CEEMDAN（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）技术对数据进行模态分解。这一技术可以将复杂的时间序列分解为多个本征模态函数（IMFs），有助于去除数据中的噪声并提取出有效的信号。
ceemdan = CEEMDAN()
ceemdan.ceemdan(df_apple["Close"].to_numpy())
imfs, res = ceemdan.get_imfs_and_residue()
1.4 分解结果可视化
通过可视化分解后的IMFs（本征模态函数）和残差，可以直观地了解股价的不同时间尺度上的变化趋势。
plt.figure(figsize=(10,8))
plt.subplot(imfs.shape[0] + 2, 1, 1)
plt.plot(df_apple["Close"], 'r')
plt.ylabel("Original", rotation=60, fontsize=10)
for i in range(imfs.shape[0]):
plt.subplot(imfs.shape[0] + 2, 1, i + 2)
plt.plot(imfs[i], 'g')
plt.ylabel(f"imf{i+1}", rotation=60, fontsize=10)
plt.subplot(imfs.shape[0] + 2, 1, imfs.shape[0] + 2)
plt.plot(res, 'g')
plt.ylabel("res", rotation=60, fontsize=10)
plt.show()
2. 特征选择与数据集划分
在对数据进行模态分解后，我们选择有意义的特征（如IMFs和残差），并将其作为输入特征来训练我们的模型。同时，划分数据集为训练集和测试集，通常选择80%的数据用于训练，剩余20%的数据用于测试。
def data_make(df):
arr1 = ['imf'+str(i+1) for i in range(imfs.shape[0])] + ['res']
arr2 = 'target'
data_set_train1 = df[:int(df.shape[0] * 0.8)]
data_set_test1 = df[int(df.shape[0] * 0.8):]
train_X = data_set_train1[arr1]
train_y = data_set_train1[arr2].to_numpy()
test_X = data_set_test1[arr1]
test_y = data_set_test1[arr2].to_numpy()
return train_X, train_y, test_X, test_y
3. 模型构建与训练
3.1 支持向量机（SVM）
支持向量机（SVM）是一种常用的回归与分类算法，适用于非线性问题。我们首先使用标准的SVM模型进行训练，并用交叉验证评估其性能。
model = svm.LinearSVR()
model.fit(train1_X_apple, train1_y_apple)
y_pred_apple_ceemdan_svm = model.predict(test1_X_apple)
3.2 贝叶斯优化（Bayesian Optimization）
为了进一步提高模型的性能，我们使用贝叶斯优化技术来调整SVM的超参数。贝叶斯优化是一种全局优化算法，特别适合于调参问题。
def SVM_mse_cv(params):
random_state = 10
cv = 5
params = {
'epsilon': params['epsilon'],
'C': int(params['C']),
'intercept_scaling': params['intercept_scaling']
}
model = svm.LinearSVR(random_state=random_state, **params)
score = -cross_val_score(model, train1_X_apple, train1_y_apple,
cv=cv, scoring='neg_mean_squared_error',
n_jobs=1).mean()
return {'loss': score, 'status': 'ok'}
def BO_SVM_pri(train_X, train_y, test_X):
random_state = 10
space = {
'epsilon': hp.loguniform('epsilon', -2, 1),
'C': hp.quniform('C', 1, 300, 1),
'intercept_scaling': hp.loguniform('intercept_scaling', -2, 0)
}
trials = Trials()
print("==========================贝叶斯参数优化==============================")
best = fmin(fn=SVM_mse_cv,
space=space,
algo=tpe.suggest,
max_evals=200,
trials=trials)
if best is None:
raise ValueError("贝叶斯优化未能找到有效解")
model = svm.LinearSVR(random_state=random_state,
epsilon=best['epsilon'],
C=int(best['C']),
intercept_scaling=best['intercept_scaling'])
model.fit(train_X, train_y)
y_pred = model.predict(test_X)
return y_pred3.3 XGBoost与LightGBM
XGBoost和LightGBM是目前应用广泛的树模型，常用于回归与分类任务。它们通过提升树的性能，在许多竞赛中表现出色。我们使用Optuna进行超参数优化，并使用训练好的模型进行预测。
def objective(trial):
params = {
'objective': 'reg:squarederror',
'learning_rate': trial.suggest_loguniform('learning_rate', 1e-3, 1),
'max_depth': trial.suggest_int('max_depth', 3, 15),
'n_estimators': trial.suggest_int('n_estimators', 50, 300),
'subsample': trial.suggest_float('subsample', 0.5, 1.0),
'colsample_bytree': trial.suggest_float('colsample_bytree', 0.5, 1.0),
'reg_alpha': trial.suggest_float('reg_alpha', 0, 10),
'reg_lambda': trial.suggest_float('reg_lambda', 0, 10),
}
model = XGBRegressor(**params)
model.fit(train2_X_apple, train2_y_apple)
y_pred = model.predict(test2_X_apple)
mse = mean_squared_error(test2_y_apple, y_pred)
return mse
3.4 LSTM与GRU
长短时记忆（LSTM）和门控循环单元（GRU）是两种常用的循环神经网络（RNN）结构，适用于时间序列数据。通过这些网络结构，可以捕捉股价的长期依赖关系，提高预测准确性。
def LSTM_model(x_train, y_train, x_test, epochs, batch_size):
model = Sequential()
model.add(LSTM(units=32, return_sequences=True, input_shape=(x_train.shape[1], 1)))
model.add(Dropout(0.2))
model.add(LSTM(units=16))
model.add(Dropout(0.2))
model.add(Dense(units=1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(np.array(x_train), np.array(y_train), epochs=epochs, batch_size=batch_size)
prediction = model.predict(x_test)
return prediction
4. 模型评估与性能比较
通过计算RMSE（均方根误差）、MAE（平均绝对误差）、MAPE（平均绝对百分比误差）等指标，我们可以评
估每个模型的表现并比较其优劣。下面是一个基于RMSE和MAPE评估模型的代码示例：
def evaluate_predictions(y_true, y_pred):
rmse = np.sqrt(mean_squared_error(y_true, y_pred))
mape = np.mean(np.abs((y_true - y_pred) / y_true)) * 100
print(f"RMSE: {rmse:.4f}, MAPE: {mape:.4f}%")
5. 结果可视化与总结
最后，我们通过可视化预测结果与实际值的对比，直观地展示每个模型的效果。通过图形，可以清楚地看到哪些模型在股票价格预测中表现得更好。
plt.plot(test_y_apple, color='blue', label='Real AAPL Price')
plt.plot(y_pred_apple_svm, color='red', label='Predicted AAPL Price')
plt.title('AAPL Price Prediction using SVM')
plt.xlabel('Time')
plt.ylabel('Price')
plt.legend()
plt.show()
总结
通过结合CEEMDAN和多种机器学习模型（如SVM、XGBoost、LSTM等），我们能够更准确地预测股票价格。每种模型在不同数据集上的表现有所不同，通过评估指标的比较，我们可以选择最佳的模型进行未来的预测。通过这种方法，不仅能提升股票预测的准确性，还能为金融分析师和投资者提供更有力的数据支持。
