共计 1155 个字符，预计需要花费 3 分钟才能阅读完成。
全文链接：http://tecdat.cn/?p=28265
作者：Xiaoyi Sun
预测股票价格，并在适合的工夫产生交易策略实现收益，始终是一个热门的问题，到当初为止也提出了很多预测办法。但股票价格 的实时预测是一个难点，须要及时预测价格趋势并作出交易判断。
解决方案
工作 / 指标
依据市场上已有价格等数据，预测股票价格或趋势，造成交易策略，通过回测计算收益状况。
数据源筹备
应用分钟集数据，取得股票价格、交易量、流量数据，其中流量数据是用一种非凡的方 法计算。每天交易工夫为 4 小时，所以一天 有 240 组数据。
因为数据量级的差别，须要对数据进行预处理，都进行归一化。
结构
以上阐明了如何抽取相干特色，咱们大抵有如下训练样本（只列举局部特色）。
划分训练集和测试集
思考到最终模型会预测未来的某时间段的销 量，为了更实在的测试模型成果，以工夫来 切分训练集和测试集。其中训练集与测试集 的比例为 8：2。
建模
LSTM，长短期记忆网络，是一种非凡的 RNN 网络。LSTM 解决了 RNN 中存在的长期依赖问题，有输出门、输入门和忘记门。
EMD，教训模态合成，任何信号能够分解成若干模态重量之合。
EMD 合成在解决非安稳及非线性数据上，具备非常明显的劣势，适宜于剖析非线性、非 安稳信号序列，具备很高的信噪比。
模型优化
1. 利用 LSTM 预测股票价格解决 EMD 合成的端点问题。
1. 利用 LSTM 预测中国安全的股票价格情 况：从 loss 图中能够看出，网络成果较好，训练集和测试集的 loss 都是降落后趋于稳定，不 存在过拟合景象。
从下图能够看出测试集的价格预测有很高的 一致性。
下图是放大后成果
2. 利用 EMD 合成计算 MACD 的值生成交易信号，将信号代入实在股价产生收益。能够 看出胜率在60%左右
对于作者
在此对 Xiaoyi Sun 对本文所作的奉献示意诚挚感激，她在哈尔滨工业大学实现了利用统计硕士学位，特长深度学习、数理金融等。
最受欢迎的见解
1.R 语言实现 CNN（卷积神经网络）模型进行回归
2.r 语言实现拟合神经网络预测和后果可视化
3.python 用遗传算法 - 神经网络 - 含糊逻辑控制算法对乐透剖析
4.R 语言联合新冠疫情 COVID-19 股票价格预测：ARIMA，KNN 和神经网络工夫序列剖析
5.Python TensorFlow 循环神经网络 RNN-LSTM 神经网络预测股票市场价格工夫序列和 MSE 评估准确性
6.Matlab 用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
7. 用于 NLP 的 seq2seq 模型实例用 Keras 实现神经机器翻译
8. R 语言用 FNN-LSTM 假近邻长短期记忆人工神经网络模型进行工夫序列深度学习预测
9.Python 用 RNN 循环神经网络：LSTM 长期记忆、GRU 门循环单元、回归和 ARIMA 对 COVID-19 新冠疫情新增人数工夫序列预测