Stock Prediction Neural Network and Machine Learning Examples

股票預測神經網路和機器學習範例 (Python)

內容：

• 簡單的例子
• 超參數優化
• 入門
• 關於範例股票數據

概述

這些是開箱即用的 ML 和 NN 方法。專為那些希望學習股票預測新技術的人而設計。這些範例旨在易於理解並強調每種方法的基本組成部分。範例還展示瞭如何在當前數據上運行模型以獲得股票預測。

機器學習範例：

• 遺傳演算法
• 梯度提升
• K-均值聚類
• 邏輯迴歸
• 隨機森林
• 支援向量機 (SVM)

神經網路範例：

• 前饋神經網路 (FFNN)
• 長短期記憶（LSTM）
• 循環神經網路 (RNN)

神經網路庫範例：

• 喀拉斯
• 閃電
• 火炬
• 張量流

入門

1. 克隆這個儲存庫。
2. 導航到項目目錄。
3. 安裝必要的庫：

pip install -r requirements.txt

4. 下載啟動資料：

   • 這些範例需要具有以下屬性的精確格式化的股票資料：
     • 視窗化：時間序列被分割成規則的視窗。
     • 布林標籤：資料被分類，而不是預測特定時間的特定值。
     • 測試/訓練分割：依時間順序分割，避免資料重疊和前瞻偏差。
   • 下載入門數據。並將example_data目錄儲存到該專案資料夾中。

5. 執行simple_examples中的任何腳本。

神經網路超參數優化

專為輕鬆配置所探索的超參數值而設計。多執行緒處理可實現快速運行。

1. 程式碼在hyperparameter_tuning中
2. 編輯config.py以滿足您的需求
3. 運行hyper_main.py

超參數自述文件位於此處：超參數調整

關於範例股票數據

此程式碼可以使用 D.AT 範例資料中提供的範例股票資料運行。

該數據集封裝了標準普爾 500 指數成分股公司 5 年的價格數據，分為每個 30 個交易日的間隔。每個段中的資料已使用將值除以段內最新資料點的方法進行標準化。資料集中的每一行代表一個特定的部分，提供特定交易日可用股票資料的快照。行被標記以指示股票在隨後 10 個交易日內何時漲幅至少為 5%。

• train.csv ：在這 5 年中，它包含前 4 年的資料。
• test.csv ：在 5 年中，它包含最後一年的資料。
• latest.csv ：此文件包含所有上市股票最近交易日的資料。雖然它缺少標籤（因為這些標籤與未來事件有關），但每一行都保持與train和test文件中的特徵向量結構相同的特徵向量結構。這些行以股票代碼開始，是確定具有良好業績前景的股票的關鍵工具。

取得新數據

範例資料是靜態的，不包含目前股票價格值。可透過 D.AT 免費下載可使用不同交易策略和特徵工程選項自訂的最新資料。