❖目录
❖摘要 3
一、问题描述 3
┊
1.1 绪论 3
┊
❖1.2 当前股票预测的方法概述 4
❖1.3 本文所使用的模型 5
❖二、数据集说明 5
❖2.1 tushare 库和 Talib 库概要 5
❖2.2 获取历史行情数据 6
装 2.3 实现代码： 7
❖2.4 数据预处理 9
❖2.5 设计代码 10
┊
2.6股票预测使用数据说明 11
┊
2.7特征工程处理 14
┊
订 2.8 输出数据说明 16
❖三、LSTM 模型 16
❖3.1 LSTM 模型概要 16
❖3.2 股票预测模型特征分析 17
❖3.3 本文所使用的 LSTM 结构 18
❖3.4 本次实验所采用的结构图 19
线 四、实验流程和结果 19
❖4.1 数据获取 19
❖4.2 Pytorch 工具集概要 19
❖4.3 Pytorch 指令解析 19
┊
4.4搭建 LSTM 预测模型 21
┊
4.5拟合结果评估方法概要 21
┊
❖4.6 项目附件说明 24
❖4.7 项目使用说明书 24
┊
❖摘要
┊
❖为对股票价格的涨跌幅度进行预测，本文使用了基于长短期记忆网络(LSTM)的方法。根
❖据股票涨跌幅问题， 通过对股票信息作多值量化分类，将股票预测转化成一个多维函数拟
❖合问题。将股票的历史基本交易信息作为特征输入，利用神经网络对其训练，最后对股票的
❖涨跌幅度做分类预测。数据集为代号 510050 的上证股票，实验结果表明该模型在单纯预测
❖涨跌的情况下有比较好的预测效果。