python - 如何确定线性回归中的 x 或 y 变量何时发散？

我正在为其他人构建交易算法。

我在数据框的两列上运行线性回归。数量和价格。

东风：

   Volume     Price
0  12.952941  8.534815
1  12.972921  8.544813

这就是我运行线性回归的方式

from scipy.stats import linregress

lr = linregress( df['Volume'],df['Price'])

要求之一是确定成交量何时偏离价格或在价格下跌时上涨。

有没有办法做到这一点？我不确定如何确定这一点。

先感谢您。

标签： pythonlinear-regression

我认为你应该使用相关性来做你描述的事情。

总而言之，相关性用于描述两个变量之间的关系，例如问题中的数量和价格。因此，每当您关联变量时，都会返回一个介于 -1 和 +1 之间的数字。

一般来说，如果变量之间存在正相关（通常 > 0.6），则表示当交易量增加时，价格也会增加。另一方面，负相关（确切地说是接近-1的值），当一个变量增加时，另一个减少。

通常，每当您发现相关性接近于零时，您就可以说相关性较弱或没有相关性。

此外，还有应用相关性的规则。一般来说，当你有一个非高斯分布时，你应该使用斯皮尔曼相关。具有高斯分布，您可以使用 Pearson 相关性。要确定您的分布是否为高斯分布，您可以使用 Kolmogorov–Smirnov 检验或 Shapiro–Wilk 检验。

还有另一个细节。在计算相关性时，您必须验证p 值，该值量化了相关性有效的概率。通常，p 值 < 0.05 通常是可以接受的。否则，您无法对相关结果做出任何结论。