alpha和beta（用於線性回歸）計算輸出nan？

Question

我是Python的新手，一直在嘗試計算兩種證券的線性回歸/ Beta / Alpha，但是我的代碼同時輸出Beta和Alpha的Nan，因此我無法繪制回歸線。

這是有問題的代碼：

#calculate linear regression
beta_yPlt, alpha_yPlt = np.polyfit(xPlt, yPlt, 1)  # fit poly degree 1
print "Y Beta", beta_yPlt
print "Y Alpha", alpha_yPlt
plt.plot(xPlt, beta_yPlt * xPlt + alpha_yPlt, '-', color='red')

這是完整的腳本：

from pandas.io.data import DataReader
from datetime import datetime
import matplotlib.pyplot as plt
import numpy as np

#inputs
symbols   = ['EUR=X', 'JPY=X']
startDate = datetime(2011,1,1)
endDate   = datetime(2016,12,31)

#get data from yahoo
instrument = DataReader(symbols, 'yahoo', startDate, endDate)
#isolate column
close = instrument['Adj Close']

#calculate daily returns
def compute_daily_returns(df):
    daily_returns = (df / df.shift(1)) - 1
    return daily_returns

dlyRtns = compute_daily_returns(close)
xPlt = dlyRtns[symbols[0]]
yPlt = dlyRtns[symbols[1]]

#draw "scatter plot" - using "o" workaround
dlyRtns.plot(x=symbols[0], y=symbols[1], marker='o', linewidth=0)

#calculate linear regression
beta_yPlt, alpha_yPlt = np.polyfit(xPlt, yPlt, 1)  # fit poly degree 1
print "Y Beta", beta_yPlt
print "Y Alpha", alpha_yPlt
plt.plot(xPlt, beta_yPlt * xPlt + alpha_yPlt, '-', color='red')

# Calculate correlation coefficient
print "Correlation", dlyRtns.corr(method='pearson')
plt.show()

這是輸出：

C:\Python27\python.exe C:/Users/Us/Desktop/untitled3/scatterPlot.py
Y Beta nan
Y Alpha nan
Correlation           EUR=X     JPY=X
EUR=X  1.000000  0.228223
JPY=X  0.228223  1.000000

Process finished with exit code 0

有什么想法讓我來南嗎？ 我很茫然，非常感謝您的幫助。

Answer 1

試圖研究這個問題，但這讓我有些困惑。 另外，我無法在當前計算機上從yahoo復制數據，因此我無法按原樣運行您的代碼。

這里有一些問題和想法：

• 您不應該將變量命名為close ，因為Python使用了這個詞。 有時（如您的示例所示）仍然可以工作，但這不是一個好習慣。
• 您是否可以單獨繪制數據xPlt和yPlt ，而無需其他任何操作？ 我懷疑錯誤在那里。
• 您使用兩個值的數組調用DataReader ，並將輸出保存在instrument 。 然后，您分配一列（按名稱選擇）來close ，但是實際上，會有兩列名為Adj close ，對嗎？

簡而言之：您應該嘗試逐步構建代碼，在每一步之后添加一些print和plot命令，以查看保存在變量中的數據的外觀。

Answer 2

我也無法檢索數據。

我最好的猜測：檢索到的數據中存在nan或重復點。

Answer 3

def compute_daily_returns(df):
    daily_returns = (df / df.shift(1)) - 1
    daily_returns.ix[0, :] = 0  
    return daily_returns

由於Nickil Maveli，添加daily_returns.ix[0, :] = 0 ，： daily_returns.ix[0, :] = 0解決了該問題