挖掘股票因子

前言

前段时间，小编参加了某个数据挖掘的挑战赛，现在比赛已经过了，所以小编准备分享一下所用到的代码，知识。

题目

题目就如上图，有两问题，第一问是让我们根据所给数据找出影响高送转的因子（这些名词题目有给解释，小编也会给大家），第二问根据所给的前七年的数据，预测第八年那些股票会发生高送转。

第一问大家都很好理解，给了七年股票的因子数据，有基础数据，年数据，日数据，其中日数据有 3G，根据所给数据，从中找出影响一支股票是否发生高送转。

第二问就是根据选出来的这些因子，判断股票在第八年是否会高送转。

完整描述见题目 pdf。

代码流程

先给大家看看我代码目录，使用的 jupyter：

就如图看到的一个目录对应一个操作：

1.导入 pandas 库

2.导入数据，指定显示所有列，sample 随机查看数据

3.表以公共列横向拼接，默认是以所有公共列：

4.这一步是理解数据用的，就选一支股票查看有几条数据，长啥样，按条件选择行：

5.以日数据表分组计算，求每个因子的平均值：

6.这是根据经济学选一些因子，就是列的选择，根据指定列，不这样做的话，直接跟年数据表合并是不行的，因为日数据表有 3G 太大了，运行时内存不够，小编 16G 内存：

7.选出一些列后，就可以合并了，不会发生内存不够，修改指定列名，根据指定的键，进行表合并：

8.使用 map 对非数值型因子进行编码：

9.corr 计算相关系数矩阵：

10.选择相关系数达到条件的列：

11.缺失值填充：

12.使用 KNN 分类算法，对股票分类：

13.使用支持向量机算法，对股票分类：

14.对第八年的测试数据套进支持向量机模型

以上就是整个处理流程，完整代码会发关键词获取。

先使用了 KNN，又使用了支持向量机，因为发现支持向量机的准确率比 KNN 高一点。