（13-4）黄金价格预测系统：构建机器学习模型

最新推荐文章于 2024-08-15 19:17:12 发布
最新推荐文章于 2024-08-15 19:17:12 发布
阅读量2.1k 收藏 27
点赞数 28
分类专栏： 金融大模型 文章标签： python 人工智能 机器学习 深度学习 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/asd343442/article/details/135900108
版权
文章描述了一个使用LGBMRegressor进行金价预测的方法，通过特征工程生成滞后期、滚动统计和L-矩等特征，然后进行超参数调优。通过预测Low和High列的实例，展示模型性能和交易策略评估，包括均方误差和均方根误差等指标。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

13.4  机器学习模型

在本项目中，选择使用LGBMRegressor作为预测价格的机器学习模型，并使用verstack进行调优处理。

（1）函数prediction 用于预测金价，并评估预测性能。首先，它创建一个数据集 data，包含目标列（col）的原始数据。然后，通过调用 Prepare_Data 函数，为目标列添加了滞后期、滚动统计和L-矩等特征。接着，对 'Open'、'Close'、'Volume' 以及与目标列互补的 'Low' 或 'High' 列进行同样的特征工程，最后将所有数据集合并成一个完整的数据集。随后，删除了因为滞后期特征引起的缺失值。接下来，定义训练数据并使用 LGBMTuner 进行超参数调整，最后对数据的最后90天进行预测，并输出预测结果、评估指标和模型调整的超参数。该函数可用于实现金价的

了解本专栏 订阅专栏 解锁全文 超级会员免费看
数据挖掘实战-基于长短期记忆网络（LSTM）的黄金价格预测模型 | 97% 准确度
m0_64336780的博客
06-04 1万+
本实验基于Kaggle上提供的从2013年到2023年的黄金价格数据集，运用长短期记忆网络（LSTM）构建了黄金价格预测模型。该数据集详细记录了每日的黄金价格信息，包括开盘价、收盘价、高点、低点和交易量等，为模型的训练提供了丰富的数据支持。
使用机器学习算法预测黄金价格
QromMatlab的博客
09-26 749
在本文中，我们将使用线性回归、XGBoost和LSTM这三种不同的机器学习算法来预测黄金价格。接下来，我们使用线性回归、XGBoost和LSTM分别建立了模型，并进行了训练和预测。这些机器学习算法可以帮助我们对黄金价格进行预测，但请注意，市场价格受多种因素影响，因此预测结果可能并不完全准确。接下来，我们需要对数据进行一些预处理，以便用于机器学习模型的训练和测试。我们将使用80%的数据作为训练集，20%的数据作为测试集。最后，我们将绘制每个模型的预测结果，并将其与实际价格进行比较，以评估模型的性能。
机器学习项目一：利用随机森林回归算法预测黄金价格
weixin_43907354的博客
11-01 1046
【代码】机器学习项目一：利用随机森林回归算法预测黄金价格。
现实世界中的数据科学：基于领域知识和监督学习模型的黄金价格理解与预测
deephub
05-10 5976
本文将展示如何建立一个简单但是强大的金价预测模型，主要包含以下内容： 黄金的简要历史 影响金价的若干因素 建立用于预测金价的回归模型 利用回归模型来辅助投资决策 人类为何需要黄金？ 大约公元前3600年，黄金首先在古埃及被采掘冶炼。经历30个世纪之后，在土耳其西部的一个古王国铸造出世界上第一枚金币，此后黄金便作为王国内的一种实物货币进行流通。 在现代，黄金已经从实物货币演变为货币储备。1819年，英国正式采用有史以来第一个金本位制，将其货币与黄金挂钩。到1900年，除中国以外的大多数国家都采用了金本位制
基于Keras深度学习LSTM模型 预测黄金主力收盘价
mInfoDavid的专栏
03-04 1669
深度学习框架 Keras，深度学习LSTM模型 1 数据源：黄金主力数据 来源于JQData （数据由JQData支持 ） 2 数据清洗 3 使用黄金主力数据 进⾏预测的2个实验 数据集：70%用做训练集 训练模型 ；30%测试集。 模型：Keras框架， 用LSTM模型对收盘价进行预测 循环神经⽹网络，RNN(Recurrent Neural Network)中的LSTM(Long S...
（14-5）基于深度学习的金价预测系统：9层MLP模型
码农三叔
01-30 717
该函数进行了数据准备、模型训练、测试集预测和性能评估的步骤，并返回包含预测结果、实际值和它们的比较表的对象。（2）下面代码调用了名为 Performance 的函数，对金价数据（Gold）的 'Close' 列进行了性能评估。在本项目中还提供了一个具有9层的MLP模型，前面介绍的模型（Performance_tune函数中的模型）为特定的目标列Close进行了调整，而在这个。中没有为特定的目标列进行调整。执行后会输出下面的信息，并通过可视化图表展示实际价格和预测价格的对比，以直观的方式比较它们的趋势。
（13-5）黄金价格预测系统：创建交易策略、结论
码农三叔
01-29 1089
因此，我们创建了另一种策略：由于我们对第i天的预测是通过第j天（其中j < i-1，表示在第i天之前两天）的信息完成的，我们对第i-1天的低价和第i天的高价都有预测，我们可以在第i-1天的低价位买入，希望在第i天的高价位卖出。最终的结果表明，即使在没有参数调整的情况下，使用模型的预测（使用low_add和high_loss的默认参数0和0）实施的交易策略仍然能够获得超过20%的利润，而最大可能的利润不到初始资金的50%，即1000美元。这表明模型的预测对交易策略产生了积极的影响，胜过了简单的买入持有策略。
（13-1）黄金价格预测系统：系统介绍
码农三叔
01-28 751
在本项目中，通过分析金价时间序列数据，利用机器学习模型进行金价的高低价格预测。首先，通过特征工程和统计特征提取，创建了包含滞后特征、滚动统计特征和L-moments特征的数据集。然后，通过LightGBM模型进行金价的预测，并使用参数调优提高模型性能。最后，通过交易策略模拟金价波动下的交易行为，经过参数调整的策略相较于默认策略表现更佳，展示了该项目在金融数据分析、机器学习预测和交易策略模拟方面的综合功能。
基于机器学习的黄金价格预测案例
最新发布
python收藏家的博客
08-15 2365
在这篇文章中，我们将从头开始做一个关于黄金价格预测的项目。要构建任何数据科学项目，我们必须遵循某些步骤，这些步骤不需要以相同的顺序进行。在我们的项目中，我们将按顺序完成这些步骤。
（14-4）基于深度学习的金价预测系统：使用MLP神经网络进行预测
码农三叔
01-30 812
（2）下面代码调用了上面的函数Performance_tune，传递了金价数据框 Gold，目标列为 'Close'，滞后列表为从1到30，滚动窗口列表为从2到60，以及互信息分数阈值为3。函数Performance_tune将进行数据准备、模型训练、测试集预测和性能评估的操作，返回的Close 对象包含了预测结果、实际值以及它们的比较表。该数据框的第二列（索引为2的列）包含了模型在测试集上的实际价格和相应的预测价格，使用户能够直观地比较模型的预测性能和真实情况。预测结果和实际值的对比。
近期投资策略看点：黄金展望（二），金价预测模型-20190808-国泰君安国际-13页.pdf
09-03
近期投资策略看点：黄金展望（二），金价预测模型-20190808-国泰君安国际-13页.pdf
基于ＢＰ神经网络的国际黄金价格预测模型.doc
08-19
基于ＢＰ神经网络的国际黄金价格预测模型.doc 数模资料 欢迎下载
黄金期货历史数据.csv
11-06
黄金期货历史数据，可用于人工智能、大数据分析等领域
手把手：用Python搭建机器学习模型预测黄金价格
weixin_40581617的博客
07-06 1176
自古以来，黄金一直作为货币而存在，就是在今天，黄金也具有非常高的储藏价值，那么有没有可能预测出黄金价格的变化趋势呢？答案是肯定的，让我们使用机器学习中的回归算法来预测世界上贵重金属之一,黄金的价格吧。我们将建立一个机器学习线性回归模型，它将从黄金ETF (GLD)的历史价格中获取信息，并返回黄金ETF价格在第二天的预测值。GLD 是最大的以黄金进行直接投资的ETF交易基金。（详见：http://w...
基于深度学习卷积神经网络的时间卷积网络（TCN）预测黄金价格
library_git927的博客
09-20 332
本文将介绍基于深度学习卷积神经网络（CNN）中的时间卷积网络（TCN）来预测黄金价格的方法，并提供完整的代码和数据。本文介绍了基于深度学习卷积神经网络的时间卷积网络（TCN）来预测黄金价格的方法，并提供了完整的代码和数据。通过对过去十年的每日黄金价格进行训练和测试，我们可以使用TCN模型来对未来的黄金价格进行预测。然后，可以对数据进行标准化处理，使得各个特征的数值范围在0到1之间，以加速模型的收敛速度。在完成模型的训练后，我们可以使用训练好的TCN模型来进行黄金价格的预测。希望本文对您有所帮助！
【转载】Keras深度学习LSTM模型 预测黄金主力收盘价
weixin_42499025的博客
03-08 453
转自：Keras深度学习LSTM模型 预测黄金主力收盘价 深度学习框架 Keras，深度学习LSTM模型 1 数据源：黄金主力数据 来源于JQData （数据由JQData支持 ） 2 数据清洗 3 使用黄金主力数据 进⾏预测的2个实验 数据集：70%用做训练集 训练模型 ；30%测试集。 （数据集见附件） 模型：Keras框架， 用LSTM模型对收盘价进行预测 循环神经⽹网络，RNN(Recur...
【BP分类】北方苍鹰算法优化BP神经网络NGO-BP故障识别数据分类【含Matlab源码 4983期】
订阅付费专栏Matlab（奶茶价版）或下载付费资源，可赠送奶茶价版付费专栏指定代码1份；
07-09 930
北方苍鹰算法优化BP神经网络NGO-BP故障识别数据分类 完整的代码，方可运行；可提供运行操作视频！适合小白！
【黄金价格预测】贝叶斯网络优化长短记忆神经网络于BO-LSTM黄金股价预测【含Matlab源码 4103期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
03-22 813
贝叶斯网络优化长短记忆神经网络于BO-LSTM黄金股价预测 完整代码和数据，方可运行；数据可直接替换，适合小白！可提供运行操作视频！
使用 Python 机器学习预测黄金价格
Trb401012的博客
02-26 1433
解释变量是被操纵以确定第二天黄金 ETF 价格价值的变量。简而言之，它们是我们想要用来预测黄金 ETF 价格的特征。该策略的解释变量是过去3天和9天的移动平均线。我们使用 dropna() 函数删除 NaN 值并将特征变量存储在 X 中。但是，您可以向 X 添加更多您认为有助于预测黄金 ETF 价格的变量。这些变量可以是技术指标、其他 ETF（例如黄金矿商 ETF (GDX) 或石油 ETF (USO)）的价格，或美国经济数据。同样，因变量取决于解释变量的值。
SSA-ELM大宗商品价格预测：提升预测精度的新方法
论文选取玉米、原油、黄金作为农产品、能源和金属类商品的代表，通过SSA对价格序列进行分解，然后运用Kmeans聚类方法对分解后的序列进行动态聚类，最后使用ELM构建预测模型。实证结果显示，该序列分解聚类策略能有效...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

码农三叔

感谢鼓励

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值