对每日a股数据取样,提取出包括时间序列类型指标,非时间序列类型指标以及股票分类属性指标;利用所提供的指标来预测t -1日的个股收益。
一、数据预处理代码:clean.py
二、利用LSTM模型1. 安装keras框架Keras安装之前,需要先安装好numpy,scipy。下面是在windows下的安装。
(1)安装pip
代码语言:javascript代码运行次数:0运行复制<pre class="brush:php;toolbar:false;">https://pypi.python.org/pypi/pip#downloads
下载对应版本的pip。如"pip-9.0.1.tar.gz (md5, pgp)"
然后解压,进入到pip-9.0.1这个目录中,运行下面的代码安装
代码语言:javascript代码运行次数:0运行复制<pre class="brush:php;toolbar:false;">python setup.py install
重启,使环境变量生效
(2)安装numpy
注意,不能用pip install numpy的方式安装,会缺少依赖的库。采用下面的方法:
下载numpy‑1.11.3+mkl‑cp27‑cp27m‑win_amd64.whl,(由于我的python版本是2.7.9,是windows 64位)下载的地址为:
代码语言:javascript代码运行次数:0运行复制<pre class="brush:php;toolbar:false;">http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy
下载好之后,进入到numpy‑1.11.3+mkl‑cp27‑cp27m‑win_amd64.whl所在目录,运行下面的命令安装:
代码语言:javascript代码运行次数:0运行复制<pre class="brush:php;toolbar:false;">pip install numpy‑1.11.3+mkl‑cp27‑cp27m‑win_amd64.whl
(3)安装scipy
注意,不能用pip install scipy的方式安装,会报下面的错:

正确的做法是,采用下面的方法进行安装:
首先,下载scipy‑0.19.0‑cp27‑cp27m‑win_amd64.whl,(由于我的python版本是2.7.9,是windows 64位)下载的地址为:
代码语言:javascript代码运行次数:0运行复制<pre class="brush:php;toolbar:false;">http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
下载好之后,进入到scipy‑0.19.0‑cp27‑cp27m‑win_amd64.whl所在目录,运行下面的命令安装:
代码语言:javascript代码运行次数:0运行复制<pre class="brush:php;toolbar:false;">pip install scipy‑0.19.0‑cp27‑cp27m‑win_amd64.whl
(4)安装keras 运行下面的命令:
代码语言:javascript代码运行次数:0运行复制<pre class="brush:php;toolbar:false;">pip install keras
现在keras己经安装好了。接下来就可以用Keras提供的LSTM进行训练了!
2. 训练,测试,评估
在运行代码前需要把keras的backend改一下,改成theano,而不用tensorflow。因为theano在keras安装时己经安装好了,而tensorflow还要重新安装。首先找到keras.json文件,在下面的目录:
代码语言:javascript代码运行次数:0运行复制<pre class="brush:php;toolbar:false;">C:\Users\zhangyanni\.keras\keras.json
然后把下面"backend": "tensorflow" 中的tensorflow改成theano

接下来,就可以运行predict.py了
代码: predict.py
代码+数据集 获取:关注微信公众号 datayx 然后回复 股票 即可获取。
AI项目体验地址 https://loveai.tech
以上就是华量杯-股票预测, keras+LSTM的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号