Stock Prediction Neural Network and Machine Learning Examples

주식 예측 신경망 및 기계 학습 예제(Python)

내용물:

• 간단한 예
• 하이퍼파라미터 최적화
• 시작하기
• 예시 주식 데이터 정보

개요

이는 바로 시작할 수 있는 ML 및 NN 방법입니다. 주식 예측을 위한 새로운 기술을 배우려는 사람들이 쉽게 사용할 수 있도록 설계되었습니다. 이러한 예는 이해하기 쉽고 각 방법의 필수 구성 요소를 강조하기 위한 것입니다. 예제에서는 주식 예측을 얻기 위해 현재 데이터에서 모델을 실행하는 방법도 보여줍니다.

기계 학습 예시:

• 유전 알고리즘
• 그라데이션 부스트
• K-평균 클러스터링
• 로지스틱 회귀
• 랜덤 포레스트
• 지원 벡터 머신(SVM)

신경망 예:

• 피드포워드 신경망(FFNN)
• 장단기 기억(LSTM)
• 순환 신경망(RNN)

신경망 라이브러리 예:

• 케라스
• 번개
• 파이토치
• 텐서플로우

시작하기

1. 이 저장소를 복제하세요.
2. 프로젝트 디렉터리로 이동합니다.
3. 필요한 라이브러리를 설치합니다:

pip install -r requirements.txt

4. 시작 데이터를 다운로드합니다.

   • 이러한 예에는 다음 속성을 가진 정확한 형식의 주식 데이터가 필요합니다.
     • 기간 설정: 시계열이 일반 기간으로 분할됩니다.
     • 부울 레이블: 특정 시간의 특정 값을 예측하는 것이 아니라 데이터를 분류합니다.
     • 테스트/학습 분할: 데이터 중복 및 예측 편향이 없도록 시간순으로 분할합니다.
   • 스타터 데이터를 다운로드합니다. example_data 디렉터리를 이 프로젝트 폴더에 저장합니다.

5. simple_examples 의 스크립트를 실행하세요.

신경망 초매개변수 최적화

탐색할 하이퍼파라미터 값을 쉽게 구성할 수 있도록 설계되었습니다. 빠른 런타임을 위한 멀티스레드 처리.

1. 코드는 hyperparameter_tuning 에 있습니다.
2. 필요에 맞게 config.py 편집하세요.
3. hyper_main.py 실행

하이퍼파라미터 읽어보기: 하이퍼파라미터 튜닝

예시 주식 데이터 정보

이 코드는 D.AT 예제 데이터에서 사용 가능한 예제 주식 데이터로 실행할 수 있습니다.

이 데이터세트는 S&P 500을 구성하는 기업의 5년간 가격 데이터를 각각 30거래일 간격으로 분할하여 요약합니다. 각 세그먼트의 데이터는 값을 세그먼트 내의 가장 최근 데이터 포인트로 나누는 방법을 사용하여 정규화되었습니다. 데이터 세트의 각 행은 특정 세그먼트를 나타내며 특정 거래일에 사용 가능한 주식 데이터의 스냅샷을 제공합니다. 행에는 이후 10거래일 이내에 주식이 최소 5%의 이익을 얻었음을 나타내기 위해 레이블이 지정되어 있습니다.

• train.csv : 5년 중 처음 4년의 데이터가 포함됩니다.
• test.csv : 5년 중 마지막 연도의 데이터가 포함됩니다.
• latest.csv : 이 파일에는 상장된 모든 주식에 대한 가장 최근 거래일의 데이터가 포함되어 있습니다. 레이블이 부족하지만(이는 향후 이벤트와 관련되므로) 각 행은 train 및 test 파일의 것과 동일한 특징 벡터 구조를 유지합니다. 행은 주식 시세 표시 기호로 시작하며, 좋은 성과를 거둘 가능성이 있는 주식을 정확히 찾아내는 핵심 도구 역할을 합니다.

새 데이터 가져오기

예제 데이터는 정적이며 현재 주가 값을 포함하지 않습니다. 다양한 거래 전략 및 기능 엔지니어링 옵션으로 사용자 정의할 수 있는 최신 데이터를 D.AT에서 무료로 다운로드할 수 있습니다.