X\\u test\\u scaled=缩放器。fit\\u transform（X\\u测试）65。参数={\'n\\u邻居\'：[2,3,4,5,6,7,8,9,10,11,12,13,14,15]}67。68.#定义KNN算法和k值（k=5）69。knn=KNeighborsRegressor（）70。模型=GridSearchCV（knn，参数，cv=5）71。模型安装（X\\U系列、Y\\U系列）72。73.#打印初始模型74的置信度。conf=型号。得分（X\\U测试，Y\\U测试）75分。打印（“模型置信度：”，形态）76。77、def investing\\u型号（r）：78。global test\\u数据79。global test\\u日期80。全球数据81。global end\\u日期82。测试数据=pdr。DataReader（ticker\\u输入、start\\u日期、test\\u日期）83。84.#此预测将预测未来1天85。f\\u out=int（1）86。test\\u data[\'Predicting\']=test\\u data[\'Adj Close\']。换档（-f\\U out）87。88.X=np。数组（test\\u data.drop（[\'Predicting\'，1））89。X=pp刻度（X）90。X\\u预测=X[-f\\u输出：]91。X=X[：-f\\u out]92。93.Y=np。数组（test\\u data[\'Predicting\']）94。Y=Y[：-f\\u out]95。96.X\\U列，X\\U测试，Y\\U列，Y\\U测试=tts（X，Y，test\\U大小=0.2）97。98.X\\u train\\u scaled=缩放器。fit\\u transform（X\\u train）99。X\\u test\\u scaled=缩放器。fit\\u transform（X\\u测试）-40-100。参数={\'n\\u邻居\'：[2,3,4,5,6,7,8,9,10,11,12,13,14,15]}102。103.#定义KNN算法和k值（k=5）104。knn=KNeighborsRegressor（）105。模型=GridSearchCV（knn，参数，cv=5）106。模型安装（X\\U系列、Y\\U系列）107。108、预测=模型。预测（X\\U预测）109。索引=数据。指数tolist（）110。测试日期=指数[r]111。return（预测-test\\u data.iloc[len（test\\u data）-1][\'Adj Close\']）112。113、last\\u true=数据。iloc[0][\'Adj Close\']114。115、持续投资=数据[：][\'Adj Close\']116。

指示性投资=[]117。118、指示性投资。追加（last\\u true）119。对于范围（1，len（data））：120中的r。x=investing\\u model（r）[0]121。如果x>0:122。last\\u true=last\\u true+（data.iloc[r][\'Adj Close\']-data.iloc[r-1][\'Adj Close\']）123。指示性投资。追加（last\\u true）124。比较=pd。数据帧（index=data.index）126。比较[股票行情输入+\'持续投资\']=持续投资127。比较[股票行情输入+\'指示性投资\']=指示性投资128。129、打印（“使用移动平均交叉点，您的投资表现优于持续投资”，130、跑赢大市率（），%的时间”）131。132、打印（“您的投资与持续投资的波动率之比为”，133、标准差（指示性投资）/标准差（持续投资））134。135.     136.  打印（比较）137。比较绘图（）138。plt。show（）C.移动平均交叉编程1。“”“2.使用移动平均线交叉作为进入和退出3的指示进行投资测试。”\"\"   4.  从pandas\\u datareader将数据导入为pdr 5。导入matplotlib。pyplot为plt 6。将熊猫作为pd 7导入。将yfinance作为yf 8导入。导入统计信息9。10.     11.  yf。pdr\\u override（）12。13.ticker\\u input=输入（“请输入您选择投资的股票行情。”）41 —15.  start\\u date=输入（“在此处输入开始获取数据的日期（请将其转换为YYYY-MM-DD格式）\\n”）16。17.end\\u date=输入（“在此输入我们将停止从中获取数据的日期（请将其转换为YYYY-MM-DD格式）\\n”）18。19、MAU列表=[]20。21

ma\\u值=int（输入（“您希望移动平均线的第一个周期是什么？\\n”））22。ma\\U列表。追加（ma\\U值）23。ma\\u值=int（输入（“您希望移动平均线的第二个周期是什么？\\n”））24。ma\\U列表。追加（ma\\U值）25。26.     27.  #使用用户提供的输入从Yahoo下载数据。28、ticker\\u数据=pdr。DataReader（ticker\\u input，start\\u date，end\\u date）[\'Adj Close\']29。30.     31.  def simple\\u moving\\u average（长度，开始）：32。s=0 33。对于范围（0，int（length））：34中的i#打印（ticker\\U data[start-i]）35。s+=ticker\\U数据[开始-i]36。返回（s/长度）37。38、def标准偏差（data\\U list）：39。new\\u list=data\\u list 40。标准偏差和=0 41。对于范围内的i（0，len（new\\u list））：42。标准偏差总和+=（新列表[i]-统计。平均值（新列表））**2 43。返回（（（标准偏差和/（长度（新列表）-1））**（0.5）））44。45、def Performance\\u percentage（）：46。跑赢大市计数=0 47。total\\u count=0 48。全球比较49。50、对于范围内的r（0，len（比较索引））：51。如果比较[股票行情输入+\'指示性投资\']。iloc[r]>比较[股票行情输入+\'持续投资\']。iloc[右]：52。跑赢大市计数+=1 53。total\\u count+=1 54。跑赢大市百分比=（跑赢大市计数/总计数）*100 55。56、收益率优于百分比57。58.     59.  移动平均值=pd。数据帧（索引=ticker\\u data.index）60。对于ma\\u列表中的i：61。列表2=[]62。对于范围内的v（0，len（ticker\\u data.index））：63。如果v<i-1:64。列表2。追加（0）65。如果v>i-1或v==i-1：66。list2.append（simple\\u moving\\u average（i，v））67。

moving\\u averages[股票代码输入+”“+str（i）+“日移动平均数”]=列表2 68。69.#删除所有NA值，并确保所有列表从同一日期开始70。ticker\\u数据=ticker\\u数据。iloc[最大值（ma\\U列表）-1:]71。moving\\u averages=移动\\u averages。iloc[最大值（ma\\U列表）-1:]72。-42 —73.     74.#计算每个数据点的移动平均值之间的差值75。def difference\\u calc（x）：76。返回x[1]-x[0]77。差异=pd。数据帧（索引=ticker\\u data.index）79。80、差异=移动平均值。应用（差分计算，轴=1）81。82.#测试移动平均线之间的符号差异以感知交叉83。def测试（x）：84。如果差值[x]<0且差值[x-1]>0:85。返回“卖出”86。如果差值[x]>0且差值[x-1]<0:87。返回“购买”88。如果差值[x]>0且差值[x-1]>0:89。返回“continue\\u s”90。如果差值【x】<0且差值【x-1】<0:91。返回“continue\\u b”92。93、last\\u true=ticker\\u data[0]94。95、持续投资=股票行情数据[：]96。指示性投资=[]97。98、如果差值【0】>0:99。位置=“购买”100。如果差值【0】<0:101。位置=“已售出”102。103、对于范围内的r（0，len（ticker\\u data.index））：104。如果位置==“Bunded”且测试（r）==“continue\\u b”：105。last\\u true=last\\u true+（ticker\\u data[r]-ticker\\u data[r-1]）106。如果位置==“买入”，测试（r）==“卖出”：107。last\\u true=last\\u true+（ticker\\u data[r]-ticker\\u data[r-1]）108。位置==“卖出”109。如果位置==“卖出”，测试（r）==“买入”：110。位置=“购买”111。指示性投资。追加（last\\u true）112。113

比较=pd。数据帧（索引=ticker\\u data.index）114。比较[股票行情输入+\'持续投资\']=持续投资115。比较[股票行情输入+\'指示性投资\']=指示性投资116。117.    118. 打印（“使用移动平均交叉点，您的投资表现优于持续投资”，119。跑赢大市率（），%的时间”）120。121、打印（“您的投资与持续投资的波动率之比为”，122、标准差（指示性投资）/标准差（持续投资））123。124、移动平均值。绘图（）125。差异。绘图（）126。比较绘图（）127。plt。显示（）