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