LSTM股票预测

原创 已于 2022-07-04 09:06:10 修改 · 1.2k 阅读 · 3 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#lstm
于 2022-05-02 08:35:37 首次发布

目录

RNN&LSTM学习

股票预测

LSTM实现

有一些些问题的LSTM

RNN&LSTM学习

前提：去年看过一篇RNN的论文：

        (KDD 19 E.T.-RNN将深度学习应用于信贷申请)E.T.-RNN Applying Deep Learning to Credit Loan Applications

找到一个形象讲模型的阿婆：（RNN和LSTM模型入门可以看这个）

梗直哥丶的个人空间_哔哩哔哩_Bilibili

其他学习：

RNN&LSTM学习笔记_追梦杏花天影的博客-CSDN博客

股票预测

一般预测未来一天

预测第二天的涨跌（0/1）——分类问题

预测第二天的收盘价——回归问题

LSTM也可以实现多变量输入

LSTM实现

代码：雷总->袁姐->GitHub

stock_predict_with_lstm-master

可选 keras、pytorch、tensorflow多版本，实现的是预测最高价和最低价

        train_test_split()

        train_test_split()函数_鹏大大大的博客-CSDN博客_train_test_split

        ​​​​​​​train_test_split()函数_鹏大大大的博客-CSDN博客_train_test_split

        matplotlib作图显示出label
用matplotlib作图的时候plot.show()时plot中的label为何显示不出来_珞秉的博客-CSDN博客_plt.plot()函数label在作图的时候，明明plt.plot()中设置了label的值，但是在图中plt.show()以后就是没有显示出来那个标签，如下图所示：此时，只需要添加一个函数plt.legend()用来标示不同图形的文本标签图例就行了。...https://blog.csdn.net/sy20173081277/article/details/84672153pytorch->Run（train loss 与 test loss都收敛）


（high）

 

（low） 

其中注意：由于预测的是未来一天的，所以绘图时predict总是比label延后一天

有一些些问题的LSTM

LSTM

参考：用LSTM预测股价 - SegmentFault 思否

跑出来之后在train上的RMSE比test上的还大

——RMSE：均方根误差， 观测值与真值偏差的平方和与观测次数m比值的平方根。

但确定已收敛（train和test是否都收敛还有待确定）

pytorch利用LSTM实现对股票进行多变量多步预测
09-10
pytorch利用LSTM实现对股票进行多变量多步预测
数据挖掘实战-python实现基于长短期记忆网络LSTM模型预测茅台股票价格趋势
m0_64336780的博客
06-07 1万+
随着金融数据的不断增长和复杂化，传统的统计方法和机器学习技术面临着挑战。深度学习算法通过多层神经网络的构建，以及大规模数据的训练和优化，可以从数据中提取更加丰富、高级的特征表示，从而提供更准确、更稳定的预测和决策能力。在金融领域，深度学习算法已经被广泛应用于多个关键任务。首先，风险评估是金融机构必须面对的重要问题之一。深度学习算法可以通过学习大规模的历史数据，识别隐藏在数据中的潜在风险因素，并预测未来的风险情况。其次，欺诈检测是金融行业必不可少的任务。
基于TensorFlow 实战案例：气温预测（附 Python 完整代码和数据集)
m0_59596937的博客
10-07 1万+
各位同学好，今天和大家分享一下TensorFlow2.0深度学习中的一个小案例。案例内容：现有348个气温样本数据，每个样本有8项特征值和1项目标值，进行回归预测，构建神经网络模型。
深度学习（7）：基于LSTM算法的股票走势预测
liuyingshudian的博客
08-24 3277
LSTM股票走势预测
LSTM 时间序列预测实战：手把手教你用 LSTM 预测股票涨跌（附完整可运行代码
最新发布
weixin_73631017的博客
05-08 465
本文详细介绍了LSTM（长短期记忆网络）在股票预测中的应用，重点讲解了其核心门控机制和数据预处理流程。文章首先对比了LSTM与传统方法的优势，阐述了其三大智能开关（遗忘门、输入门、输出门）的工作原理。然后详细说明了股票数据准备的三个关键步骤：数据清洗、特征加工和时间切片。最后提供了完整的Python代码实现，包括数据获取、模型构建、训练和可视化预测结果的全流程。文章特别强调了LSTM在捕捉时间序列长期依赖关系方面的优势，同时也提醒读者注意投资风险，声明本文内容仅供技术学习交流。
数学建模——时间序列预测（股价预测）
qq_52053775的博客
07-16 6298
我们将数据划分为每15天为一个时间序列，对数据进行标准化，通过构建LSTM模型，激活函数使用selu并使用he_normal初始化，正则化使用l2正则化，训练网络，然后再测试集进行评估并评估模型的稳健性，模型比较稳定。然后，我们对数据进行归一化，分别使用线性模型和随机森林训练模型，在测试集进行评估，结果发现，随机森林的拟合效果更好，我们在使用网格搜索，搜索出效果最优的参数。首先，我们对数据划分为训练集和测试集，其中，测试集比例为0.2，然后我们对训练集和测试集的特征进行PSI评估，结果发现，特征均很稳定。.
基于LSTM的股票时间序列预测（附数据集和代码）
ABin_203的博客
05-20 7万+
LSTM数据集实战 如果对LSTM原理不懂得小伙伴可以看博主下一篇博客，因为博主水平有限，结合其他文章尽量把原理写的清楚些。 数据集 首先附上数据集 链接：https://pan.baidu.com/s/1AKsz-ohmYHr9mBEEh76P5g 提取码：6owv 这个数据集是关于股票的，里面有日期，开盘价等信息。 既然是时间序列预测，我们最关心的是预测值在时间维度上的走势如何，那我们只要最后一列volume和第一列date这两列就好了。 实战 先是导入相关包，一些常见的包就不详细说了，我们需要的Se
LSTM股票预测模型
sinat_40766770的博客
11-15 2万+
1.LSTM简介 LSTM(Long Short-Term Memory)是长短期记忆网路，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。 LSTM已经在科技领域有了多种应用。基于LSTM的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别、图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。 ------百度百科 ht...
利用pytorch长短期记忆网络LSTM实现股票预测分析
CSDN 精品推荐
10-02 1万+
长短时记忆网络(Long Short Term Memory Network, LSTM)，是一种改进之后的循环神经网络，可以解决RNN无法处理长距离的依赖的问题，目前比较流行。LSTM主要就是加入了三个门控：第一个开关遗忘门：负责控制继续保存长期状态c；第二个开关输入门：负责控制把即时状态输入到长期状态c；第三个开关输出门：负责控制是否把长期状态c作为当前的LSTM的输出。
LSTM预测股票走势
weixin_74177409的博客
08-02 2667
LSTM预测股票数据
基于长短期记忆网络(LSTM)对股票价格的涨跌幅度进行预测
03-06 6377
基于长短期记忆网络(LSTM)对股票价格的涨跌幅度进行预测
LSTM-代码讲解（股票预测）
m0_61878383的博客
04-28 1万+
本模型对ZHW_AI课题组.2021的LSTM（股票预测）代码进行讲解。本文对代码的难以理解的、重点的部分进行了注释，并对需要注意的点进行了文字提醒。同时，本文最大的特点，是结合本人自制的数据集制作图、LSTM网络结构图，深入浅出的对由数据-->网络的具体过程进行了讲解演示。
[转载] 基于LSTM的股票预测模型_python实现_超详细
ld909的博客
11-20 9062
参考链接： 从Python获取输入 文章目录 一、背景二、主要技术介绍1、RNN模型2、LSTM模型3、控制门工作原理四、代码实现五、案例分析六、参数设置七、结论完整程序下载 一、背景 近年来，股票预测还处于一个很热门的阶段，因为股票市场的波动十分巨大，随时可能因为一些新的政策或者其他原因，进行大幅度的波动，导致自然人股民很难对股票进行投资盈利。因此本文想利用现有的模型与算法，对股票价格进行预测，从而使自然人股民可以自己对股票进行预测。 理论上，股票价格是可以预测的，但是影响股票价格...
【量化交易笔记】8.基于深度学习(LSTM)预测股票价格
水滴的博客
06-11 6780
前一章节，已作随机森林来预测股票价格，也是一种比较常见的方法，本章基于深度学习算法来处理时间序列，来预测股票未来的价格。LSTM是一种特殊类型的循环神经网络（RNN），在自然语言处理和时间序列数据分析等任务中取得了显著成果。LSTM通过处理序列数据中的长期依赖关系，能够更好地捕捉时间序列数据的特征和模式。这使得它成为预测股票价格这类时间相关数据的有力工具。关于LSTM 在之前的文章中也略作介绍。我们仍以上一章的数据，采用类似于上一章的处理方式进行处理。
【经济模型】A股市场股票数据分布分析
zhouhy0903的博客
04-01 4627
基础知识 对于股票数据的模型构建，一般采用几何布朗运动模型。若股票价格S是一个连续的时间序列，则认为有 dS=μSdt+σSdzdS=\mu Sdt+\sigma SdzdS=μSdt+σSdz 根据上式可以推出股票价格的对数lnSln SlnS d(lnS)=(μ−σ22)dt+σdzd(ln S)=(\mu-\frac{\sigma^2}{2})dt+\sigma dzd(lnS)=(μ−2σ2​)dt+σdz 对于离散的股票数据而言，假设t时刻股票的价格为StS_tSt​，而t+1时刻的股票价格为St
使用大模型实现可解释的股价预测
m0_59164520的博客
07-16 4787
LLMFactor利用序列知识引导提示（SKGP）来识别影响股票走势的因素。通过填空策略指导LLMs创建背景知识，并从相关新闻中辨别可能影响股价的因素。在背景知识和识别出的因素的指导下，利用历史股票价格的文本格式来预测股票走势。在四个基准数据集上的广泛评估证明了其优越性和在金融时间序列预测中的有效性。
基于Python爬虫的新浪财经股票的文本挖掘处理系统设计与实现
毕业作品网站
11-17 1717
本文基于Python爬虫和文本挖掘技术，构建了财经新闻分析系统。通过网页数据采集、清洗过滤、中文分词等处理，实现对股票板块的舆情分析和股市预测。系统验证显示，7天预测结果与实际行情具备一定吻合度。研究表明，文本挖掘可有效提取财经新闻中的价值信息，辅助投资决策。但中文分词复杂性仍是技术难点，未来需优化算法提升预测精度。该系统兼具科学性和实用性，为量化投资提供了新的研究思路。
Tensorflow实例：利用LSTM预测股票每日最高价（一）
热门推荐
路一瓢的博客
02-19 14万+
RNN与LSTM这一部分主要涉及循环神经网络的理论，讲的可能会比较简略。什么是RNNRNN全称循环神经网络（Recurrent Neural Networks），是用来处理序列数据的。在传统的神经网络模型中，从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多关于时间序列的问题却无能无力。例如，你要预测句子的下一个单词是什么，一般需要用到前面的单
【python文本分析】——基于股评文本的情绪分析
weixin_47974364的博客
04-01 1万+
目录一、文本处理1、精确模式（默认）2、全模式3、搜索引擎模式二、词云图1、wordcloud模块导入2、词云图实现三、实例——利用股评进行情绪分析1、数据来源及snownlp模块导入2、代码实现3、结果分析 一、文本处理 中文分词是中文文本处理的一个基础步骤。jieba分词工具是最常见的语言分词工具： import jieba import jieba.posseg as psg from collections import Counter jieba分词中有三种分词模式，不同的分词模式将直接影响分词
[python lstm股票预测 tensorflow]
放飞自我的coder
05-06 402
lstm股票预测
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值