轉自：segmentfault
新年伊始，很榮幸筆者的《教你用 Python 進階量化交易》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習過程，筆者在專欄內容之外會陸續推出一些手記來輔助同學們學習本專欄內容，因此同學們無需擔心專欄內容在學習上的困難，更多的是明確自己學習的目的即可。當然筆者也歡迎同學們踴躍留言，說出自己想擴展的知識點，筆者會根據同學們的意愿選擇性的推出一些內容。

本次場外篇筆者在專欄《22、股票交易策略開發：走勢線性回歸選股策略》的基礎上對線性回歸方法的策略應用做進一步的擴展介紹，同時會涉及到多個小節的知識內容，大家可以參考專欄內容。

這里我們順帶介紹下搭建環境中可能會遇到的問題，如果有同學是用mac系統開發的，在MAC中調試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小節中筆者選取了浙大網新、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、股票交易數據可視化：技術分析常用指標繪制》實現）。

從圖中可以看到2018年4月10月是單邊下降趨勢，而從10月份開始轉為上升趨勢。那么我們分別對這兩段周期做線性回歸后發現，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度的轉變過程，其實也是由跌轉漲的過程。?

在制定量化交易策略時有一種方式是尋找現象中的特征，根據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，我們可以設定窗口期用移動窗口的方式擬合股票的走勢。

在22小節的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()

執行該代碼examp_trade.fit_price(pick_stocks)可生成浙大網新、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，可以發現角度曲線的拐點預示開始反轉為新一輪的走勢。

在《16、股票交易數據可視化：技術分析常用指標繪制》小節的基礎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展大家的思路達到教學目的而設定的策略，大家可以在這個基礎上展開更多股票和周期的回測以驗證策略的可靠性。更多的量化交易內容歡迎大家訂閱專欄閱讀！！

?