效果

原理

LSTM即长短记忆网络，是一种很强的RNN，这种网络的特性是以前的输入会影响现在的输出，具体原理请自行搜索。

算法流程：

获取yahoo财经网上的股价数据，进行预处理
搭建一个简单网络，前面是LSTM用来回归，后面是全连接用来输出
测试，可视化处理

代码

注释很详细(其实也没啥要说的）

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
import pandas as pd
import pandas_datareader as web
import datetime as dt from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import  Sequential
from tensorflow.keras.layers import Dense,Dropout,LSTM#解决中文乱码及符号问题 别在意
matplotlib.rcParams['font.family'] = 'simHei'
matplotlib.rcParams['axes.unicode_minus'] = False#这行是因为我用jupyternotebook 希望plt是单独一个窗口
#如果希望plt嵌在命令行改用 %matplotlib inline
%matplotlib qt5'''
数据获取与预处理
'''#公司选择Facebook
company = 'FB'#选取时间段
start = dt.datetime(2012,1,1)
end = dt.datetime(2020,1,1)
data = web.DataReader(company,'yahoo',start,end)#归一化
scaler = MinMaxScaler(feature_range=(0,1))#Close是指休市时的股价
scaled_data = scaler.fit_transform(data['Close'].values.reshape(-1,1))#用60天的数据来预测下一天的数据
#举个例子 x[0]是0~59天的股价 y[0]是第60天的股价
prediction_days = 60
x_train = []
y_train = []
for x in range(prediction_days,len(scaled_data)):x_train.append(scaled_data[x-prediction_days:x,0])y_train.append(scaled_data[x,0])x_train,y_train = np.array(x_train),np.array(y_train)
x_train = np.reshape(x_train,(x_train.shape[0],x_train.shape[1],1))'''
搭建模型
'''#3层LSTM 最后1层全连接用来输出
model = Sequential()
model.add(LSTM(units=50,return_sequences=True,input_shape=(x_train.shape[1],1)))
model.add(Dropout(0.2))
model.add(LSTM(units=50,return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(units=50))
model.add(Dropout(0.2))
model.add(Dense(units=1))#adam优化 最小二乘损失
model.compile(optimizer='adam',loss='mean_squared_error')#训练
model.fit(x_train,y_train,epochs=25,batch_size=32)#测试
test_start = dt.datetime(2020,1,1)
test_end = dt.datetime.now()
test_data = web.DataReader(company,'yahoo',test_start,test_end)
actual_prices = test_data['Close'].values
total_dataset = pd.concat((data['Close'],test_data['Close']),axis=0)#预测2020-01-01及以后的股价
model_inputs = total_dataset[len(data)-prediction_days:].values
model_inputs = model_inputs.reshape(-1,1)
model_inputs = scaler.transform(model_inputs)
x_test = []
for x in range(prediction_days,len(model_inputs)):x_test.append(model_inputs[x-prediction_days:x])x_test = np.array(x_test)
x_test = np.reshape(x_test,(x_test.shape[0],x_test.shape[1],1))
predicted_prices = model.predict(x_test)
predicted_prices = scaler.inverse_transform(predicted_prices)#可视化
length = len(predicted_prices)
begin = dt.date(2020,6,1)
delta = dt.timedelta(days=1)
d = begin
ticks = []
for i  in range(length):if i%50 == 0:ticks.append(d.strftime("%Y-%m-%d"))d += delta
plt.plot(actual_prices,c = 'b',label='实际')
plt.plot(predicted_prices,c = 'r',label = '预测结果')
plt.title('脸书股价预测')
plt.xlabel('Time')
plt.ylabel('Prices')
plt.ylim(ymin=0)
plt.xticks([i for i in range(length) if i % 50 == 0],ticks)
plt.legend()
plt.show()

应用

如果你想预测明天的股价，可以用下面的代码

tmr_data = [model_inputs[-prediction_days:,0]]
tmr_data = np.array(tmr_data)
tmr_data = np.reshape(tmr_data,(tmr_data.shape[0],tmr_data.shape[1],1))
ans = model.predict(tmr_data)
ans = scaler.inverse_transform(ans)
print(ans)

输出

[[223.61644]]

利用LSTM进行股价预测相关推荐

pytorch LSTM的股价预测
股价预测一直以来都是幻想能够被解决的问题,本文中主要使用了lstm模型去对股价做一个大致的预测,数据来源是tushare,非常感谢tushare的数据!! 为什么要用LSTM? LSTM是一种序列模型 ...
利用LSTM进行时序预测
在日常工作过程中,经常会遇到一些需要预测的场景,比如预测商户交易量.预测商品销售额等等.今天给大家分享一波使用 LSTM 进行端到端时间序列预测的完整代码和详细解释. 我们先来了解两个主题: 什么是时 ...
sklearn中lstm_利用LSTM网络进行预测,使用,做,预报,Forecast
使用LSTM网络做预报(Forecast) 在一次小小的比赛中需要做趋势预测,当时找了很多种方法,最后也对LSTM的使用做出一定的研究,现在大多数能找到的都是Predict,对于Forecast的做法 ...
基于Informer的股价预测（量化交易综述）
摘要股票市场是金融市场中不可或缺的组成部分.准确预测股票趋势对于投资者和市场参与者具有重要意义,因为它们可以指导投资决策.优化投资组合以及降低金融风险.而且可以提升国家国际地位以及金融风险控制能力, ...
MATLAB-基于长短期记忆网络(LSTM)的SP500的股票价格预测股价预测 matlab实战数据分析数据可视化时序数据预测变种RNN 股票预测
MATLAB-基于长短期记忆网络(LSTM)的SP500的股票价格预测股价预测 matlab实战数据分析数据可视化时序数据预测变种RNN 股票预测摘要近些年,随着计算机技术的不断发展,神 ...
DL之LSTM：基于《wonderland爱丽丝梦游仙境记》小说数据集利用LSTM算法(层加深，基于keras)对单个character字符预测
DL之LSTM:基于<wonderland爱丽丝梦游仙境记>小说数据集利用LSTM算法(层加深,基于keras)对单个character字符预测目录基于<wonderland爱丽 ...
TF之LSTM：利用LSTM算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测)
TF之LSTM:利用LSTM算法对Boston(波士顿房价)数据集[13+1,506]进行回归预测(房价预测) 相关文章 DL之LSTM:利用LSTM算法对Boston(波士顿房价)数据集[13+1, ...
DL之LSTM之MvP：基于TF利用LSTM基于DIY时间训练csv文件数据预测后100个数据(多值预测)状态
DL之LSTM之MvP:基于TF利用LSTM基于DIY时间训练csv文件数据预测后100个数据(多值预测)状态目录数据集csv文件内容输出结果设计思路训练记录全过程数据集csv文件内容输 ...
DL之LSTM之UvP：基于TF利用LSTM基于DIY时间训练1200个数据预测后200个数据状态
DL之LSTM之UvP:基于TF利用LSTM基于DIY时间训练1200个数据预测后200个数据状态目录输出结果设计思路训练记录全过程输出结果设计思路训练记录全过程 INFO:tensor ...

利用LSTM进行股价预测

利用LSTM进行股价预测

效果

原理

代码

应用

利用LSTM进行股价预测相关推荐

最新文章

热门文章