利用Tushare获取交易信息，对收盘价建立简单的LSTM模型

最新推荐文章于 2024-05-03 07:55:47 发布

m0_52873533

最新推荐文章于 2024-05-03 07:55:47 发布

阅读量573

点赞数 1

文章标签：大数据 lstm

本文链接：https://blog.csdn.net/m0_52873533/article/details/125587979

版权

本文介绍了在国泰安数据库到期后，如何利用Tushare Python库获取股票交易信息。通过简单归一化处理和LSTM模型，对收盘价进行预测。结果显示模型有一定滞后性，期待进一步优化。

摘要由CSDN通过智能技术生成

本人双非院校，学校买的国泰安数据库居然在去年年底到期了！毕业论文急着要数据，发现了python中伟大的Tushare大数据社区，里面的金融经济数据很多，甚至比学校在国泰安订购的数据多，并且在python中可以及时调取，两三行命令就可以调取所需要的内容（tushare ID :454006）

pro = ts.pro_api('4b6e7c4f534f358a10b10a3edfdc4397c14f2fc633b3101ecfcca430')
data = pro.daily_basic(ts_code='600030.SH', start_date='20170601',end_date='20211231',fields='trade_date,close,turnover_rate,pe')
data.columns = ['Date','Close','Turnover_rate','PE']

接口均是可以更新的，三行命令获取到数据。虽然是取了两个特征，但通过实证发现，PE对预测收益率的影响不大，所以在实证中被删去了。下面对数据进行简单的归一化处理和划分数据集（划分数据集部分就省略了）

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler(feature_range=(-1, 1))
price['Close'] = scaler.fit_transform(price['Close'].values.reshape(-1,1))

price['Turnover_rate'] = scale