基于python的深度学习的时间序列预测的研究与实现

#太阳黑子数据集 sunspot_ms.csv 1855年12月——2017年9月的平滑月均值 输入特征 = （黑子数） sunspot_ms_dim2.csv 输入特征 = （黑子数，波动） （注：波动 = 黑子数 - 上一个月黑子数） #标普500数据集 数据集一： GSPC2005-2015.csv 从雅虎财经下载的原始数据，包括2005-2009的日K数据，和参考论文使用数据集一致。 sp2005_dim1.csv 输入特征 = （收盘价） sp2005_dim2.csv 输入特征 = （收盘价，涨幅） sp2005_dim3.csv 输入特征 = （收盘价，涨幅，振幅） sp2005_dim4.csv 输入特征 = （收盘价，涨幅，振幅，成交量） sp2005_dim5.csv 输入特征 = （开盘价，最高价，最低价，收盘价，成交量） sp2005_dim7.csv 输入特征 = （开盘价，最高价，最低价，收盘价，成交量，振幅，涨幅） （注：振幅 = 最高价 - 最低价 涨幅 = 收盘价 - 前一天的收盘价） 数据集二： sp2009-2018.csv 从雅虎财经下载的原始数据，包括2009-至今的日K数据。 sp2009_dim1.csv 输入特征 = （收盘价） sp2009_dim2.csv 输入特征 = （收盘价，涨幅） sp2009_dim3.csv 输入特征 = （收盘价，涨幅，振幅） sp2009_dim4.csv 输入特征 = （收盘价，涨幅，振幅，成交量） sp2009_dim7.csv 输入特征 = （开盘价，最高价，最低价，收盘价，成交量，振幅，涨幅）