# stockPredict
pytorch实现用LSTM做股票价格预测
# 软件环境
python3.0以上,
pytorch 1.3.1以上,
torchvision 0.4.1以上,
Pillow 7.1.2以上,
pandas 1.0.3以上
# 项目结构
![项目结构](img/18.png)
data目录:上证指数的csv文件
model目录:模型保存文件
dataset.py : 数据加载及预处理类,数据标准化、划分训练集及测试集等
plot.py: 数据预分析,画出股票走势图和成交量趋势图
evaluate.py : 预测
LSTMModel.py : 定义LSTM模型
parsermy.py : 常用参数
train.py:模型训练
# 运行方法:
直接运行train.py开始模型训练
直接运行evaluate.py开始模型预测
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
压缩包内含:基于LSTM的股票价格预测_数据+代码+报告,可以最为数据挖掘的大作业。股票作为人民金融投资的普遍方式,如何在股票中赚钱成为股民的共同目标。要想在股票交易中赚钱便要掌握股票的走势,因此股票价格预测工作引起社会及学术界的广泛关注。股票的走势随市场变动,而且受诸多因素影响,如国际环境,政策变化,行业发展,市场情绪等等,这使得股民很难预测股票的走势。理论上,根据股票以往的价格走势,可以预测股票的未来走势。因为股票预测是高度非线性的,这就要预测模型要能够处理非线性问题,并且,股票具有时间序列的特性,因此适合用循环神经网络对股票进行预测。虽然循环神经网络(RNN),允许信息的持久化,然而,一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱,在时间序列过长的时候,因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。Hochreiter 和 Schmidhuber 提出的长短期记忆( Long Short-Term Memory,LSTM)模型在RNN结构的基础上进行了改造,从而解决了RNN模型无法刻画时间序列长记忆性的问题。因此,本文基于LSTM实现一个股票价格预测模型。
资源推荐
资源详情
资源评论
收起资源包目录
基于LSTM的股票价格预测_数据+代码+报告_繁星1895.zip (21个子文件)
基于LSTM的股票价格预测_数据+代码+报告_繁星1895
stockPredict
img
17.png 72KB
lossvalue.png 17KB
预测股价和真实股价.png 88KB
股票价格走势.png 63KB
18.png 7KB
data
000001SH_index.csv 555KB
model
stock.pkl 58KB
train.py 2KB
__pycache__
parser_my.cpython-36.pyc 888B
parser_my.cpython-37.pyc 881B
LSTMModel.cpython-36.pyc 989B
dataset.cpython-36.pyc 2KB
LSTMModel.cpython-37.pyc 982B
dataset.cpython-37.pyc 2KB
dataset.py 2KB
evaluate.py 2KB
parser_my.py 1KB
plot.py 1KB
README.md 686B
LSTMModel.py 1KB
基于LSTM的股票价格预测_12131071_朱志伟.pdf 651KB
共 21 条
- 1
资源评论
繁星知微
- 粉丝: 1w+
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功