本文使用了基于长短期记忆网络(LSTM)

# 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。 # 一、问题描述 ## 1.1绪论 随着我国经济的快速发展，政府、投资机构以及投资者们对股票预测的需求也越来越多。因此， 对股票价格走势的分析成为越来越多研究者关注的课题。但股票价格高度的波动性与不确定性，使其成 为计算机领域和金融领域的一大难题。 由于股票本身的波动性和不确定性，其价格是否可以被预测这一议题一直存在着不少争议。在 1956 年，Fama 提出了“有效市场假说”，指出股票的价格可以立即充分地反映市场上所有的已知信息，以及那些尚未发生但市场预期会发生的事件对股票价格的影响。这一假说为之后的股票预测工作提供了依据。 股票投资通常会选择某一类或某一只股票来作为投资对象，对这一类或一只股票进行预测，既可以将整体的股票交易信息作为训练数据，也可以只选择该类或该只股票的交易信息作为训练数据。模型有决策树、LR、支持向量机等传统机器学习的方法，也有深度学习的方法。一种最常见的股票预测方法是自回归模型，然而此类模型通常用于处理线性的稳定数据，用于处理股价存在着一定的局限性。因此也有人使用非线性模型如支持向量机、马尔可夫模型等，用以处理股票的非线性特征。 考虑到股票数据的时序性，本文选择用对时序序列有较好性能的 LSTM 网络分别对其训练，将训练好的模型用于预测次日收盘价的涨跌幅， 并对结果做对比分析。 ## 1.2当前股票预测的方法概述 基于决策树的逐步回归算法。逐步回归算法是目前被广泛应用的一种回归算法。逐步回归算法的基本思想是：逐个引入自变量，每次引入的自变量对因变量 Y 影响最显著。每引入一个新自变量，都要对之前引入到回归方程中的旧自变量进行逐个检验，将当前方程中不显著的自 变量，从对因变量 Y 影响最小的自变量开始，进行逐个剔除，直到不能再引入新的 自变量为止。最终在回归方程中保留的自变量对因变量 Y 都是显著影响的，而不在 回归方程中的自变量对 Y 的作用都是不显著的，这样的回归方程称为最优回归方程。 SVM 方法，参考目前论文中出现频率最高的 SVM、BP 神经网 络和小波神经网络股票预测模型，分别构建了 3 个 6 输 入、1 输出的股票预测模型。输入分别为：某日上证 指数的开盘指数(价)、指数(股价)最高值、指数(股价) 最低值、收盘指数(价)、交易量和交易额；输出为输入次日的收盘指数(价)。 线性回归算法，在 CTR 预估问题的发展初期，使用最多的方法就是逻辑回归(LR)，LR 使用了 Sigmoid 变换将函数值映射到 0~1 区间，映射后的函数值就是 CTR 的预估值。LR 属于线性模型，容易并行化，可以轻松处理上亿条数据，但是学习能力十分有限，需要大量的特征工程来增加模型的学习能力。但大量的特征工程耗时耗力同时并不一定会带来效果提升。因此，如何自动发现有效的特征、特征组合，弥补人工经验不足，缩短 LR 特征实验周期，是亟需解决的问题。 深度学习算法。通过多种不同的向量表示学习方法，从不同角度抽取特征，并利用多路循环神经网络对每种特征进行单独处理，充分利用所获取的数据信息，最后再将特征进行拼接，共同对股票价格进行预测。神经网络分为多种，BP 神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，也是目前应用最广泛的神经网络；卷积神经网络(CNN)则是通过构造卷积层来提取输入特征，再利用前馈连接来完成特征的输出，它是深度学习的代表算法之一；循环神经网络(RNN)适用于输入是序列的数据，它是一种在序列的演进方向进行递归，循环单元按照链式连接的一种神经网络。 ## 1.3本文所使用的模型 长短期记忆网络(LSTM)则是对 RNN 的一种改进，它通过引入门机制构建特殊的记忆神经单元，从而解决不能实现信息的长期依赖问题。LSTM 结构如图 1 所示，其包括输入门、输出门、遗忘门等门结构，这些门结构通过以下的递归方程来更新细胞状态，同时激活从输入到输出的映射。  图 1.3.1 LSTM 单元结构 本文主要针对预测股票涨跌幅度的目标，将其转换为一个多分类任务来进行处理。 影响股票涨跌的因素有很多，与股票本身信息相关的有其基本交易数据如开盘价、收盘价、最高价、最低价、交易量、涨跌幅等，还有交易数据衍生出的一些统计技术指标，如换手率等。 除了交易数据，股市波动还通常和舆论、政策等因素相关。但这些特征信息不能直观、即时的反映到后续的股票价格中去，同时这些信息是否与股票的基本信息耦合也尚未论证。因此本文只对股票的此类基本交易数据作为输入特征。具体细节将在第三部分阐述。 # 二、数据集说明 ## 2.1tushare 库和 Talib 库概要 Tushare 是一个免费、开源的 python 财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到 Python pandas 包在金融量化分析中体现出的优势，Tushare 返回的绝大部分的数据格式都是 pandas DataFrame 类型，非常便于用 pandas/NumPy/Matplotlib进行数据分析和可视化。 TA-Lib 是一个多平台的市场分析工具，被需要对金融市场数据进行技术分析的交易软件开发人员广泛使用。它包含了 200 个指标的计算函数，如 ADX, MACD, RSI，随机指数，布林格带等。TA-Lib 为 C/ C++，Java, Perl, Python 和.NET 提供了开源的 API。TA-Lib 是在 BSD 许可下提供的，允许集成到开发者自己的开源或商业应用程序中。TA-Lib 也可以作为一个易于安装的 Excel 插件免费试用。 ## 2.2获取历史行情数据 利用 tushare 包可以获取个股历史交易数据（包括均线数据），可以通过参数设置获取日 k 线、周 k 线、月 k 线，以及 5 分钟、15 分钟、30 分钟和 60 分钟 k 线数据。 参数说明： - code：股票代码，即 6 位数字代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深 300 指数 sz50=上证 50 zxb=中小板 cyb=创业板） - start：开始日期，格式 YYYY-MM-DD - end：结束日期，格式 YYYY-MM-DD - ktype：数据类型，D=日 k 线 W=周 M=月 5=5 分钟 15=15 分钟 30=30 分 钟 60=60 分钟，默认为 D 返回值说明 - date：日期 - open：开盘价 - high：最高价 - close：收盘价 - low：最低价 - volume：成交量 - price_change：价格变动 - p_change：涨跌幅 - ma5：5 日均价 - ma10：10 日均价 - ma20:20 日均价 - v_ma5:5 日均量 - v_ma1