1. Apprendre
    2. /
  2. Cours
    3. /
  3. Machine Learning cho Tài chính bằng Python
Connected

Exercice

Tương quan

Việc kiểm tra tương quan rất hữu ích trước khi xây dựng các mô hình Machine Learning, vì bạn có thể thấy đặc trưng nào tương quan mạnh nhất với biến mục tiêu. Hệ số tương quan Pearson thường được dùng, và nó chỉ phát hiện quan hệ tuyến tính. Thông thường người ta giả định dữ liệu phân phối chuẩn, điều này có thể "ước lượng bằng mắt" qua các biểu đồ histogram. Các biến tương quan cao sẽ có hệ số tương quan Pearson gần 1 (tương quan dương) hoặc -1 (tương quan âm). Giá trị gần 0 nghĩa là hai biến không có tương quan tuyến tính.

Nếu ta dùng cùng các khoảng thời gian cho biến động giá trong quá khứ và trong tương lai, ta có thể xem giá cổ phiếu có khuynh hướng hồi quy về trung bình (dao động quanh một mức) hay theo xu hướng (tiếp tục tăng nếu gần đây đã tăng).

Instructions

100 XP

Sử dụng DataFrame lng_df và cột Adj_Close của nó:

  • Tạo giá tương lai sau 5 ngày (lưu vào 5d_future_close) với .shift(-5) của pandas.
  • Dùng pct_change(5) trên 5d_future_close và Adj_Close để tạo % thay đổi giá 5 ngày trong tương lai (5d_close_future_pct) và % thay đổi giá 5 ngày hiện tại (5d_close_pct).
  • Kiểm tra tương quan giữa hai cột % thay đổi giá 5 ngày bằng .corr() trên lng_df.
  • Dùng plt.scatter() để vẽ biểu đồ phân tán giữa 5d_close_pct và 5d_close_future_pct.