基於LSTM的股票價格預測模型【附源碼】

来源:https://www.cnblogs.com/bigquant/archive/2023/12/01/17867867.html
-Advertisement-
Play Games

導語 本文介紹了LSTM的相關內容和在股票價格預測上的應用。 LSTM的股票價格預測 LSTM(Long Short Term Memory)是一種 特殊的RNN類型,同其他的RNNs相比可以更加方便地學習長期依賴關係,因此有很多人試圖將其應用於 時間序列的預測問題 上。 匯豐銀行全球資產管理開發副 ...


導語

本文介紹了LSTM的相關內容和在股票價格預測上的應用。

LSTM的股票價格預測

LSTM(Long Short Term Memory)是一種 特殊的RNN類型,同其他的RNNs相比可以更加方便地學習長期依賴關係,因此有很多人試圖將其應用於 時間序列的預測問題 上。

匯豐銀行全球資產管理開發副總裁Jakob Aungiers在他的個人網站上比較詳細地介紹了LSTM在Time Series Prediction上的運用(https://www.jakob-aungiers.com/articles/a/LSTM-Neural-Network-for-Time-Series-Prediction) ,本文以這篇文章的代碼為基礎,以Bigquant為平臺,介紹一下”LSTM-for-Time-Series-Prediction“的流程。

Keras是實現LSTM最方便的python庫(Bigquant量化平臺已經裝好了,不用自己安裝了)

from keras.layers.core import Dense, Activation, Dropout
from keras.layers.recurrent import LSTM
from keras.models import Sequential
from keras import optimizers

 載入轉換數據

例如希望根據前seq_len天的收盤價預測第二天的收盤價,那麼可以將data轉換為(len(data)-seq_len)(seq_len+1)的數組,由於LSTM神經網路接受的input為3維數組,

因此最後可將input+output轉化為(len(data)-seq_len)(seq_len+1)*1的數組

def load_data(instrument,start_date,end_date,field,seq_len,prediction_len,train_proportion,normalise=True):
    data=D.history_data(instrument,start_date,end_date,fields)
    ……
    seq_len=seq_len+1  
    result=[]
    for index in range(len(data)-seq_len):
        result.append(data[index:index+seq_len])
        ……
        # 規範化之後
        x_train = train[:, :-1]
        y_train = train[:, -1]
        x_train = np.reshape(x_train, (x_train.shape[0], x_train.shape[1], 1))
        # 測試數據同樣處理

構建LSTM神經網路

model = Sequential()  
model.add(LSTM(input_dim=layers[0],output_dim=layers[1],return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(layers[1],return_sequences=False))
model.add(Dropout(0.2)) 
model.add(Dense(input_dim=layers[1],output_dim=layers[2]))
model.add(Activation("linear"))
rms=optimizers.RMSprop(lr=conf.lr, rho=0.9, epsilon=1e-06)
model.compile(loss="mse", optimizer=rms)

此神經網路共三層,第一層為LSTM層,輸入數據維度是1,輸出數據維度為seq_len;第二層也為LSTM層,輸入和輸出維度均為seq_len層;第三層為Dense層,輸入數據維度是seq_len,輸出數據維度為1,最終將input與output對應起來。

compile:編譯用來配置模型的學習過程,可選參數有loss,optimizer等。模型在使用前必須編譯,否則在調用fit或evaluate時會拋出異常。

loss為損失函數,可用mse,mae,binary_crossentropy

optimizers為優化器,即優化參數的演算法,可供選擇為SGD(隨機梯度下降法),RMSprop(處理遞歸神經網路時的一個良好選擇),Adagrad等(具體參見http://keras-cn.readthedocs.io/en/latest/ ,網頁提供Keras相關函數的詳細介紹)。

model.fit(X_train,y_train,batch_size=conf.batch,nb_epoch=conf.epochs,validation_split=conf.validation_split

fit為訓練函數,batch_size:整數,訓練時一個batch的樣本會被計算一次梯度下降,使目標函數優化一步;nb_epoch:迭代次數;validation_split:0~1之間的浮點數,用來指定訓練集的一定比例數據作為驗證集

predicted = model.predict(data)
predicted = np.reshape(predicted, (predicted.size,))

模型在test_data集上的預測,根據前seq_len長度預測下一時間的close。

另外,在此基礎上,若希望預測prediction_len長度的close,則可在第一個predict_close的基礎上,以此predict_close和前seq_len-1個true_close為input,預測下一個close,以此類推,可預測一定長度甚至全部長度的時間序列(predict_sequences_multiple,predict_sequence_full)

回測

(以predict_sequences_multiple為例)

思路是這樣:看prediction_len長度內的漲跌,若prediction_len最後一天收盤價大於第一天的收盤價,則下買單;反之,不做單或者平倉

效果不是特別好,可能和我沒有優化參數有很大關係,希望能拋磚引玉,完整策略代碼如下,歡迎指正和討論: 

補充:如果運行出錯,請檢查M.trade模塊是否是最新版本。

 

附件:基於LSTM的股票價格預測模型實例(文末策略源碼)

 

參考資料:

  • LSTM策略主體參考http://www.jakob-aungiers.com/articles/a/LSTM-Neural-Network-for-Time-Series-Prediction,
    • 在一些地方做了一些更改,使之能在bigquant平臺上使用以及能夠自己調整更多參數
  • 對keras有興趣者可參考http://keras-cn.readthedocs.io/en/latest/,這裡有對keras每個函數的詳細介紹

原碼鏈接含源碼:《基於LSTM的股票價格預測模型

From:BigQuant量化知識庫

 

 

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 工作中,經常遇到需要重試的場景,最簡單的方式可以用try...catch...加while迴圈來實現。那麼,有沒有統一的、優雅一點兒的處理方式呢?有的,Spring Retry就可以幫我們搞定重試問題。 關於重試,我們可以關註以下以下幾個方面: 什麼情況下去觸發重試機制 重試多少次,重試的時間間隔 ...
  • CompletableFuture非同步回調 CompletableFuture簡介 CompletableFuture被用於非同步編程,非同步通常意味著非阻塞,可以使得任務單獨允許在與主線程分離的其他線程中,並且通過回調可以在主線程中得到非同步任務的執行狀態,是否完成,和是否異常信息。 Completab ...
  • hutool工具包可以幫我們完成這件事,幾行代碼可以實現,我們提供兩種方式,壓縮本地文件和壓縮記憶體流。 壓縮本地文件 @Test public void zip(){ String entryName = "d:\\codegen\\1"; String zipFilePath = "d:\\cod ...
  • C語言迴圈結構詳解 在C語言中,迴圈結構是一種重要的控制結構,它允許我們重覆執行一段代碼,以達到特定的目的。迴圈結構可以幫助我們簡化重覆性的任務,提高代碼的效率。本篇文章將深入探討C語言中的迴圈結構,包括 while 迴圈、for 迴圈、do-while 迴圈以及迴圈中的控制語句。 1. while ...
  • Fork/Join框架簡介 Fork/Join框架簡介 Fork/Join它可以將一個大的任務拆分成多個子任務並行處理,最後將子任務結果合成並最後的計算結果,併進行輸出。FOrk/Join框架要完成兩件事情。Fork:把一個複雜的任務進行分析,大任務拆分成小任務;Join:把拆分的結果進行合併。 1 ...
  • 1、首先先把配置文件從jar中抽離 示例代碼: <plugin> <groupId>org.apache.maven.plugins</groupId> <artifactId>maven-jar-plugin</artifactId> <version>3.2.0</version> <confi ...
  • 來源:https://cloud.tencent.com/developer/article/2115373 最近客戶有個新需求,就是想查看網站的訪問情況,由於網站沒有做google的統計和百度的統計,所以訪問情況,只能通過日誌查看,通過腳本的形式給客戶導出也不太實際,給客戶寫個簡單的頁面,咱也做不 ...
  • 因為WordPress要求最低php版本為7.4,故有此篇。 系統版本:CentOS 7.9 第一步:查看已安裝的php的所有包 yum list installed | grep php 第二步:卸載上述包 yum remove php* 第三步:換下載源為remi yum install epe ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...