基于深度学习神经网络实现的通用股票预测模型python源码+详细项目说明.zip

【资源说明】 基于深度学习神经网络实现的通用股票预测模型python源码+详细项目说明.zip 使用pytorch框架搭建LSTM模型，torch.nn.LSTM()当中包含的**参数设置**： When building an LSTM model using the PyTorch framework with the torch.nn.LSTM() module： - 输入特征的维数: input_size=dimension(dimension=8) - The dimensionality of input features: input_size=dimension(dimension=8) - LSTM中隐层的维度: hidden_size=128 - The dimension of the hidden layer in LSTM: hidden_size=128 - 循环神经网络的层数：num_layers=3 - The number of layers of the recurrent neural network: num_layers=3 - batch_first: TRUE - 偏置：bias默认使用 - Bias: bias is used by default **全连接层参数**设置： The parameter settings for the fully connected layer include: - 第一层：in_features=128, out_featrues=16 - The first layer: in_features=128, out_featrues=16 - 第二层：in_features=16, out_features=1 (映射到一个值) - The second layer: in_features=16, out_features=1 (mapped to a value) **３、模型训练** **3. Model training** - 经过调试，确定学习率lr=0.00001 - After debugging, a learning rate of lr=0.00001 was determined. - 优化函数：批量梯度下降(SGD) - Optimization function: Stochastic Gradient Descent (SGD) - 批大小batch_size=4 - Batch size:batch_size=4 - 训练代数epoch=100 - Train epochs: epoch=100 - 损失函数：MSELoss均方损失函数，最终训练模型得到MSELoss下降为0.8左右。 ４、模型预测** **4. Model prediction** 测试集使用已训练的模型进行验证，与真实数据不叫得到平均绝对百分比误差（MAPELoss）为0.04，可以得到测试集的准确率为96%。 本项目使用机器学习方法解决了股票市场预测的问题。项目采用开源股票数据中心的上证000001号，中国平安股票(编号SZ_000001)，使用更加适合进行长时间序列预测的LSTM(长短期记忆神经网络)进行训练，通过对训练集序列的训练，在测试集上预测开盘价，最终得到准确率为96%的LSTM股票预测模型，较为精准地实现解决了股票市场预测的问题。 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。 3、用途：项目具有较高的学习借鉴价值，不仅适用于小白学习入门进阶。也可作为毕设项目、课程设计、大作业、初期项目立项演示等。 4、如果基础还行，或热爱钻研，亦可在此项目代码基础上进行修改添加，实现其他不同功能。 欢迎下载，沟通交流，互相学习，共同进步！