利用深度学习和机器学习预测股票市场(附代码)
时间:2019-01-07
作者:
来源:
预测股市将如何变化历来是最困难的事情之一。使用机器学习可能改变游戏规则吗?机器学习技术使用最新的组织公告、季度收益等作为特征,有潜力挖掘出我们以前没有见过的模式和见解,并可用于准确无误的预测。
简介
预测股市将如何变化历来是最困难的事情之一。这个预测行为中包含着如此之多的因素—包括物理或心理因素、理性或者不理性行为因素等等。所有这些因素结合在一起,使得股价波动剧烈,很难准确预测。
使用机器学习技术使用最新的组织公告、季度收益等作为特征,有潜力挖掘出我们以前没有见过的模式和见解,并可用于准确无误的预测。
</p>
<p>7、 长短时记忆网络(LSTM)</p>
<p><strong>1、问题理解</strong></p>
<p>我们将很快深入本文的实现部分,但首先重要的是确定我们要解决的问题。一般来说,股票市场分析分为两个部分——基本面分析和技术分析。</p>
<p>基本面分析是根据公司目前的经营环境和财务状况,对公司未来的盈利能力进行分析。</p>
<p>技术分析包括阅读图表和使用统计数字来确定股票市场的趋势。</p>
<p>您可能已经猜到,我们的重点将放在技术分析部分。我们将使用来自Quandl的数据集(您可以在这里找到各种股票的历史数据),这个项目中,我使用了“塔塔全球饮料”的数据。是时候开始了!</p>
<p>首先让我们加载数据集,定义问题的目标变量:</p>
<p>#import packages<br>
import pandas as pd<br>
import numpy as np</p>
<p>#to plot within notebook<br>
import matplotlib.pyplot as plt<br>
%matplotlib inline</p>
<p>#setting figure size<br>
from matplotlib.pylab import rcParams<br>
rcParams['figure.figsize'] = 20,10</p>
<p>#for normalizing data<br>
from sklearn.preprocessing import MinMaxScaler<br>
scaler = MinMaxScaler(feature_range=(0, 1))<br>
#read the file<br>
df = pd.read_csv('NSE-TATAGLOBAL(1).csv')<br>
<br>
#print the head<br>
df.head()</p>
<p> </p>
<img alt=)
免责声明:本网站部 分文章和信息来源于互联网,本网转载出于传递更多信息和学习之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请立即联系管理
员,我们会予以更改或删除相关文章,保证您的权利。对使用本网站信息和服务所引起的后果,本网站不作任何承诺。