经济数据预测 | Python实现机器学习(MLP、XGBoost)金融市场预测

经济数据预测 | Python实现机器学习(MLP、XGBoost)金融市场预测

基本介绍

成功的股市投资既需要技巧，又需要理性的心理，只有实现股市心理博弈与趋势技术分析的完美结合，才算掌握了现代投资所需要的所有核心“装备”，才能在股市中天下无敌。
人性主导了投资市场极重要的一环，了解投资者心理的来龙去脉，自然就能理解投资市场的脉动！
在一个完全有效的市场中，买家和卖家将拥有做出理性交易决定所需的信息。因此，资产将始终保持其实际真实价值，不会被高估或低估。然而这在现实世界的金融市场中并非完全有效的。制定交易策略来识别利用市场的无效性是非常有挑战性的。

程序设计

训练数据 竞赛数据集包含一组脱敏特征，代表真实的股票市场数据。数据集中的每一行代表一个交易机会，将为此预测一个action值：1 表示进行交易，0 表示跳过。每笔交易都有一个关联的weight和resp，它们共同代表交易的回报。date列是一个整数，代表交易日期，而ts_id列代表时间排序。除了匿名特征值之外，还可以获得有features.csv 中特征的元数据。在训练集train.csv中，会提供了一个resp值，以及resp_{1,2,3,4}代表不同时间范围内回报的其他几个值。这些变量不包含在测试集中。为完整性起见，交易weight = 0故意包含在数据集中，尽管此类交易不会对评分评估做出贡献。
测试数据 在比赛的模型训练阶段，这个看不见的测试集由大约 100 万行历史数据组成。在实时预测阶段，测试