使用Tushare进行金融时间序列分析研究

Tushare是国内免费库中好用的财经数据获取接口。数据包含股票、基金、期货、债券、外汇、行业大数据，同时包括了数字货币行情等区块链数据的全数据品类的金融大数据。

1.安装(使用清华源)

pip install tushare -i https://pypi.tuna.tsinghua.edu.cn/simple

2.查看tushare版本

输入

import tushare
print(tushare.__version__)

即可查看tushare版本号。

3.注册tushare，获取token

首先需要去官网（Tushare）注册tushare账号，获取token用户凭证。

注册完基本信息之后，你就会发现已经获取20积分,这也意味着你可以通过这个接口获取大部分数据了。

在个人信息主页子标签栏“接口TOKEN”可以看到个人凭证，复制即可。

然后导入tushare，设置个人token

import tushare as ts
pro=ts.pro_api('your token')

至此，你已经可以在tushare社区进行愉快的玩耍了,tushare社区提供了多种获取数据的途径,例如HTTP,Python SDK,Matlab SDK, R SDK,如果你想要更加细致的了解数据获取的方式点击操作手册，你就可以了解到更多详情。

4.获取积分的办法

如果你只是金融爱好者,对金融数据的依赖性不是很大,那么120基本基本上就够玩耍的了,但是如果你对金融数据的要求非常高,实时性也很高的话,那么获取积分是必不可少的环节。
tushare提供了一整套人性化的积分获取流程,面向不同的人群实行不同的方式,具体情况如下图:

5.更多交流和联系方式

可以通过以下渠道和官方人员或者同行进行交流

6.长短期记忆网络（LSTM）

长短期记忆（Long short-term memory, LSTM）是一种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说，就是相比普通的RNN，LSTM能够在更长的序列中有更好的表现。
LSTM结构（图右）和普通RNN的主要输入输出区别如下所示（以下图片来自李宏毅深度学习ppt）。

相比RNN只有一个传递状态 hth^tht，LSTM有两个传输状态，一个ctc^tct（cell state），和一个hth^tht（hidden state）。（Tips：RNN中的hth^tht对于LSTM中的ctc^tct）

其中对于传递下去的ctc^tct 改变得很慢，通常输出的ctc^tct 是上一个状态传过来的ct−1c^{t-1}ct−1 加上一些数值。

而 hth^tht 则在不同节点下往往会有很大的区别。

LSTM的单元结构图如下：

从图中可以看到，长短期记忆网络每个单元中有三个控制门和两个状态记忆单元。
具体的处理过程如以下表达式所示：

其中iti^tit、ftf^tft、oto^tot分别代表t时刻LSTM中的输入门、遗忘门、输出门，ctc^tct和hth^tht分别代表细胞记忆和隐层记忆。

7.Normalization

普通的max-min方法存在离群点敏感的问题，效果如下：

而RobustScaler和PowerTransformer对于离群点敏感度小，更适合用于金融数据的归一化过程。

本实验采用的是基于四分位数的归一化方法。

8.Result

我们实验数据来自于Tushare金融数据平台，分别获取了几个比较有代表性的企业历史数据，包括：茅台，格力电器，平安和东方财富。使用LSTM进行预测（预测维度为60day，测试长度为420day）。部分效果如下：