Python 如何确定线性回归中的x或y变量何时发散？

我正在为其他人建立一个交易算法

我在数据帧的两列上运行线性回归。数量和价格

df:

这就是我运行线性回归的方式

from scipy.stats import linregress

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

其中一项要求是确定交易量何时偏离价格，或价格何时下跌，交易量何时上涨

有没有办法做到这一点？我不知道如何确定这一点

先谢谢你

我认为你应该用它来做你描述的事情

总之，相关性用于描述问题中两个变量之间的关系，如数量和价格。因此，无论何时关联变量，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性（通常>0.6），则表示当数量增加时，价格也会增加。另一方面，负相关（精确地说是接近-1的值），当一个变量增大时，另一个变量减小

通常，当你发现相关性接近于零时，你可以说相关性很弱或没有相关性

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，你应该使用斯皮尔曼相关性。如果是高斯分布，可以使用皮尔逊相关。要发现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

---

还有一个细节。在计算相关性时，必须验证量化相关性有效概率的方法。通常，p值<0.05是可以接受的。否则，您无法对您的关联结果得出任何结论。

您是否认为

数量

和

价格

之间存在线性关系？你试过画它们吗？是的，我希望它们有一个线性关系。没有策划过他们。不知道如何规划价格、价值和时间，这是有意义的。非常感谢。这个问题可能非常愚蠢，但如果相关性=-0.6，我如何判断哪个变量在上升或下降？我不认为你的问题是愚蠢的。仅使用相关性，您将无法确定哪个变量在上升或下降。相关性只是描述它们之间的关系。但是，只要发现负相关，就可以确定每个变量的趋势估计。非常感谢你，这正是我想要的。

from scipy.stats import linregress

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