提示词

以日期为index的DataFrame，包含一列收盘价数据，需要使用其前5个交易日的收盘价作为特征，当日收盘价作为预测目标，用随机森林算法建模，并用滚动时间序列交叉验证评估模型，计算其MAPE，最后将真实值与预测值进行可视化，请给出示例代码。

答案

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import TimeSeriesSplit
from sklearn.metrics import mean_absolute_error

# =====================
# 1. 数据准备与特征工程
# =====================
# 假设df是包含日期索引和收盘价的DataFrame
# 示例数据生成（替换为实际数据）
# dates = pd.date_range(start='2020-01-01', end='2025-06-27', freq='B')  # 交易日
# prices = np.cumsum(np.random.randn(len(dates)) * 10 + 1800)  # 模拟黄金价格
# df = pd.DataFrame({'收盘价': prices}, index=dates)

df = pd.read_excel('黄金连续.xlsx')

#将日期设置为index，并只保留收盘价
df.set_index('日期', inplace=True)
df = df[['收盘价']]

# 创建滞后特征（前1-5个交易日收盘价）
for lag in range(1, 6):
    df[f'Lag_{lag}'] = df['收盘价'].shift(lag)

# 添加技术指标特征
df['MA5'] = df['收盘价'].rolling(5).mean().shift(1)  # 5日移动平均（避免泄露）
df['MA20'] = df['收盘价'].rolling(20).mean().shift(1)  # 20日移动平均
df['Volatility'] = df['收盘价'].pct_change().rolling(10).std().shift(1)  # 波动率

# 目标变量（当日收盘价）
df['Target'] = df['收盘价']

# 删除包含NaN的行
df_clean = df.dropna().copy()
features = [f'Lag_{i}' for i in range(1, 6)] + ['MA5', 'MA20', 'Volatility']

# =====================
# 2. 滚动时间序列交叉验证
# =====================
tscv = TimeSeriesSplit(n_splits=5)  # 5折时间序列分割[6](@ref)
predictions = []
actuals = []
dates_list = []
mape_values = []

print("开始滚动交叉验证...")
for fold, (train_index, test_index) in enumerate(tscv.split(df_clean)):
    # 严格按时间顺序划分数据[2,5](@ref)
    train_data = df_clean.iloc[train_index]
    test_data = df_clean.iloc[test_index]
  
    # 训练随机森林模型
    model = RandomForestRegressor(
        n_estimators=100,
        max_depth=5,
        random_state=42,
        n_jobs=-1
    )
    model.fit(train_data[features], train_data['Target'])
  
    # 预测并存储结果
    fold_preds = model.predict(test_data[features])
    predictions.extend(fold_preds)
    actuals.extend(test_data['Target'].values)
    dates_list.extend(test_data.index)
  
    # 计算当前fold的MAPE（过滤零值）
    mask = test_data['Target'] != 0
    if sum(mask) > 0:
        fold_mape = np.mean(np.abs((test_data.loc[mask, 'Target'] - fold_preds[mask]) / 
                                test_data.loc[mask, 'Target'])) * 100
    else:
        fold_mape = 0
    mape_values.append(fold_mape)
    print(f"Fold {fold+1} MAPE: {fold_mape:.2f}%")

# =====================
# 3. 评估指标计算
# =====================
results = pd.DataFrame({
    'Date': dates_list,
    'Actual': actuals,
    'Predicted': predictions
}).set_index('Date').sort_index()

# 整体MAPE计算（安全处理零值）
mask = results['Actual'] != 0
overall_mape = np.mean(np.abs((results.loc[mask, 'Actual'] - results.loc[mask, 'Predicted']) / 
                            results.loc[mask, 'Actual'])) * 100
mae = mean_absolute_error(results['Actual'], results['Predicted'])

print("\n最终评估结果:")
print(f"整体MAPE: {overall_mape:.2f}%")
print(f"MAE: {mae:.2f}")

# =====================
# 4. 可视化分析
# =====================
plt.figure(figsize=(14, 10))

# 4.1 价格曲线对比
plt.subplot(2, 1, 1)
plt.plot(results.index, results['Actual'], 'b-', label='实际价格', alpha=0.8, lw=1.5)
plt.plot(results.index, results['Predicted'], 'r--', label='预测价格', lw=1.2)
plt.fill_between(results.index, 
                 results['Predicted'] * 0.98,
                 results['Predicted'] * 1.02,
                 color='pink', alpha=0.3, label='±2%误差带')
plt.title(f'黄金价格预测对比 (MAPE={overall_mape:.2f}%)', fontsize=14)
plt.ylabel('价格', fontsize=12)
plt.legend()
plt.grid(alpha=0.2)

# 4.2 误差分布分析
plt.subplot(2, 1, 2)
errors = (results['Predicted'] - results['Actual']) / results['Actual'] * 100
plt.bar(results.index, errors, 
        color=np.where(errors >= 0, 'tomato', 'seagreen'), 
        alpha=0.7, width=1)
plt.axhline(0, color='black', ls='--', lw=0.8)
plt.title('每日预测误差分布', fontsize=12)
plt.ylabel('百分比误差(%)', fontsize=10)
plt.ylim(-15, 15)
plt.grid(alpha=0.2)

plt.tight_layout()
plt.savefig('gold_price_forecast.png', dpi=300)
plt.show()

# 4.3 特征重要性分析
feature_importance = pd.Series(
    model.feature_importances_,
    index=features
).sort_values(ascending=False)

print("\n特征重要性排名:")
print(feature_importance)

plt.figure(figsize=(10, 4))
feature_importance.plot(kind='barh', color='teal')
plt.title('随机森林特征重要性', fontsize=14)
plt.xlabel('重要性得分', fontsize=12)
plt.grid(axis='x', alpha=0.3)
plt.tight_layout()
plt.show()

图像：