相关性

在构建机器学习模型之前检查相关性很有用，因为可以看到哪些特征与目标的相关性最强。常用的是皮尔逊相关系数，它只能捕捉线性关系。一般会假设数据服从正态分布，我们可以通过直方图直观观察。高度相关的变量其皮尔逊相关系数接近 1（正相关）或 -1（负相关）。接近 0 表示两个变量不存在线性相关。

如果我们对过去价格变动和未来价格变动使用相同的时间窗口，就能判断股票价格是均值回归（来回波动）还是趋势跟随（最近上涨则继续上涨）。

使用 lng_df DataFrame 及其 Adj_Close：

使用 pandas 的 .shift(-5) 创建 5 天后的未来价格（命名为 5d_future_close）。
对 5d_future_close 和 Adj_Close 使用 pct_change(5)，分别创建未来 5 天的百分比价格变化（5d_close_future_pct）和当前 5 天的百分比价格变化（5d_close_pct）。
在 lng_df 上使用 .corr() 检查这两个 5 天百分比价格变化列之间的相关性。
使用 plt.scatter() 绘制 5d_close_pct 与 5d_close_future_pct 的散点图。