首先,由于前端界面的完善,得到了前端界面的完全图,从而借此完善了关于需求方面的文档。
初步完成了第二周进度总结:
将股票视为时序数据,采时序方法进行股票趋势预测
此方向主要为CNN-LSTM 模型基于时序数据预测股票价格
目前已完成对于股票的传统方法ARIMA的预测,但由于ARIMA是线性的预测,导致预测效果并不是很好,如下:
所以决定只进行基础展示,不进行扩展。
CNN-LSTM 模型基于时序数据预测股票收盘价格方面,首先是对于000001.sh(上证指数,)的相关论文的学习之后,并且完成其相关算法之后开始挑选几只股票并进行预测。
但是经过几只股票的检验测试后发现其对于一些特殊点的噪声处理不太完善,容易出现误差**,预计将噪声点的处理放入下一周的计划中。**
结合相似股票进行预测(股票相似性判断)
对上证50支股票已经利用协方差进行初步分类(但是分类好像并没有实际上应用,还是主要依赖计算的距离来加权)
目前对于浦发银行这种与其相似性股票比较高的股票的话,利用此方法来对其进行预测的话,准确率是比较高的,但是对于相似性股票比较少的股票如何处理来说