SVR不断预测平坦线

Question

我试图通过“喂”过去五天的回报来实现支持向量回归来预测未来的回报。这是这个想法的链接：http://www.quintuitive.com/2012/11/30/trading-with-support-vector-machines-svm/

不幸的是，无论我如何改变参数(内核、C或伽马)，它总是给出一条平坦的预测线。现在我完全不知道哪里出了问题，这里的任何帮助都将不胜感激。

from __future__ import division
import numpy as np
from sklearn.svm import SVR
import csv
import datetime, time
from matplotlib import pyplot as plt

data = np.array([row for row in csv.reader(open('eurusd_curncy.20140616.csv', 'rb'))])
data = data[1:,]

n_sample = 5000
n_data = data.shape[0]
t = data[:,0]
high = map(float,data[:,2])
low = map(float,data[:,4])
open_price = map(float,data[:,6])
close_price = map(float,data[:,5])
ret = np.zeros((n_data,1))

for i in range(n_data):
    tm = time.strptime(t[i],"%m/%d/%Y %H:%M")
    tm = datetime.datetime(tm.tm_year,tm.tm_mon,tm.tm_mday,tm.tm_hour,tm.tm_min)
    t[i] = time.mktime(tm.timetuple())

t = map(float, t)

for i in range(n_data-1):
    ret[i] =  np.log(close_price[i+1]/close_price[i])

lag = 5
y = ret[lag:(lag+n_sample):lag]
y = y[:,0]
X = np.zeros((len(y),lag))

for i in range(len(y)):
    for j in range(lag):
        X[i,j] = ret[i+j]  

n_train = 800
trainX = X[:n_train]
trainY = y[:n_train]
testX  = X[n_train:]
testY = y[n_train:]

svr = SVR(kernel='rbf', C=1e3, epsilon=0.2, gamma=0.0001)
svr.fit(trainX, trainY)
predSvr = svr.predict(testX)


plt.plot(testY, testY, 'c.', label='true data')
plt.plot(testY, predSvr, 'm.', label='SVR')
plt.legend()
plt.show()

'eurusd_curncy.20140616.csv‘没有什么特别之处，如果你愿意，你可以尝试一些其他的数据。结果是一条横跨真实数据的平坦线。如果我有足够的名气，我会在这里添加一张图片。:(

谁能解释一下这件事？提前感谢您的帮助和时间。

Answer 1

因为你的SVR没有包含正确的伽马和C的值