我已经设法获得时间序列数据的线性回归线,这要归功于stackoverflow先前.所以我有以下从python绘制的图/线：

我使用以下代码获得此回归线,最初从csv文件导入价格/时间序列数据：

f4 = open('C:\Users\cost9\OneDrive\Documents\PYTHON\TEST-ASSURANCE FILES\LINEAR REGRESSION MULTI TREND IDENTIFICATION\ES_1H.CSV')    
ES_1H = pd.read_csv(f4)
ES_1H.rename(columns={'Date/Time': 'Date'},inplace=True)
ES_1H['Date'] = ES_1H['Date'].reset_index()
ES_1H.Date.values.astype('M8[D]')
ES_1H_Last_300_Periods = ES_1H[-300:]
x = ES_1H_Last_300_Periods['Date']
y = ES_1H_Last_300_Periods['Close']
x = sm.add_constant(x)
ES_1H_LR = pd.ols(y = ES_1H_Last_300_Periods['Close'],x = ES_1H_Last_300_Periods['Date'])
plt.scatter(y = ES_1H_LR.y_fitted.values,x = ES_1H_Last_300_Periods['Date'])

我正在寻找的是能够绘制/识别回归线的1个标准偏差(如上图所示).上面的大部分代码只是为了使数据符合成功能够绘制回归线 – 更改日期/时间数据,使其在ols公式中工作,将数据切断到最后300个周期,依此类推.但我不确定如何从通过线性回归绘制的线中获得1个标准偏差.

理想情况下,我正在寻找的东西看起来像这样：

…黄线与回归线相差1个标准差.有谁知道如何从线性回归线得到1个标准偏差？作为参考,这里是线性回归的统计数据：

编辑：这里的参考是我最终做的：

plt.scatter(y = ES_1D_LR.y_fitted.values,x = ES_1D_Last_30_Periods['Date'])
plt.scatter(y = ES_1D_Last_30_Periods.Close,x = ES_1D_Last_30_Periods.Date)
plt.scatter(y = ES_1D_LR.y_fitted.values - np.std(ES_1D_LR.y_fitted.values),x = ES_1D_Last_30_Periods.Date)
plt.scatter(y = ES_1D_LR.y_fitted.values + np.std(ES_1D_LR.y_fitted.values),x = ES_1D_Last_30_Periods.Date)
plt.show()