全文鏈接：http://tecdat.cn/?p=28265?

原文出處：拓端數據部落公眾號

?

作者：Xiaoyi Sun

預測股票價格，并在合適的時間產生交易策略實現收益，一直是一個熱門的問題，到現在為止也提出了很多預測方法。但股票價格 的實時預測是一個難點，需要及時預測價格趨勢并作出交易判斷。

解決方案

任務/目標

根據市場上已有價格等數據，預測股票價格或趨勢，形成交易策略，通過回測計算收益情況。

數據源準備

使用分鐘集數據，獲得股票價格、交易量、 流量數據，其中流量數據是用一種特殊的方 法計算。每天交易時間為 4 小時，所以一天 有 240 組數據。

由于數據量級的差異，需要對數據進行預處理，都進行歸一化。

構造

以上說明了如何抽取相關特征，我們大致有如下訓練樣本（只列舉部分特征）。

劃分訓練集和測試集

考慮到最終模型會預測將來的某時間段的銷 量，為了更真實的測試模型效果，以時間來 切分訓練集和測試集。其中訓練集與測試集 的比例為 8：2。

建模

LSTM，長短期記憶網絡，是一種特殊的 RNN 網絡。 LSTM 解決了 RNN 中存在的長期依賴問題， 有輸入門、輸出門和遺忘門。

EMD，經驗模態(tài)分解，任何信號可以分解成若干模態(tài)分量之合。

?

EMD分解在處理非平穩(wěn)及非線性數據上，具有非常明顯的優(yōu)勢，適合于分析非線性、非 平穩(wěn)信號序列，具有很高的信噪比。

模型優(yōu)化

1.利用 LSTM 預測股票價格解決 EMD 分解的端點問題。

1.利用 LSTM 預測中國平安的股票價格情 況： 從 loss 圖中可以看出，網絡效果較好，訓練集和測試集的 loss 都是下降后趨于穩(wěn)定，不 存在過擬合現象。

?

從下圖可以看出測試集的價格預測有很高的 一致性。

?

下圖是放大后效果

?

?

2. 利用EMD 分解計算 MACD 的值生成交易信號，將信號代入真實股價產生收益?？梢?看出勝率在６０％左右

?

?

關于作者

在此對Xiaoyi Sun對本文所作的貢獻表示誠摯感謝，她在哈爾濱工業(yè)大學完成了應用統計碩士學位，專長深度學習、數理金融等。

?

?

?

最受歡迎的見解

1.R語言實現CNN（卷積神經網絡）模型進行回歸

2.r語言實現擬合神經網絡預測和結果可視化

3.python用遺傳算法-神經網絡-模糊邏輯控制算法對樂透分析

4.R語言結合新冠疫情COVID-19股票價格預測：ARIMA，KNN和神經網絡時間序列分析

5.Python TensorFlow循環(huán)神經網絡RNN-LSTM神經網絡預測股票市場價格時間序列和MSE評估準確性

6.Matlab用深度學習長短期記憶（LSTM）神經網絡對文本數據進行分類

7.用于NLP的seq2seq模型實例用Keras實現神經機器翻譯

8.R語言用FNN-LSTM假近鄰長短期記憶人工神經網絡模型進行時間序列深度學習預測

9.Python用RNN循環(huán)神經網絡：LSTM長期記憶、GRU門循環(huán)單元、回歸和ARIMA對COVID-19新冠疫情新增人數時間序列預測