除了工作之外的业余时间,就喜欢倒腾,最近在查阅研习 lstm 的原理并用于个人爱好实战中,确实给了我意想不到的效果,不同于普通股票金融类的走势预测。我个人是偏好于日内的高频量化交易,喜欢做剥皮交易。以下是从特征工程 建模到实际预测的一些过程,希望能帮助喜欢使用个人技能做交易的同志。
LSTM(Long Short-Term Memory)是一种特殊类型的RNN(循环神经网络),它可以学习并记忆长时间序列中的模式。这使得LSTM非常适用于处理和预测时间序列数据,例如股票价格、气候变化等,这是我在调研中看到的并记住的一句话,我不需要预测股票价格,我只想通过我实盘交易的经验来建立特征,并作为训练数据,特种数据如下
time | date | open | high | low | close | vol | closeTime | cje | bs | but | sell | ignore | MACD | Signal | MACD_Hist | ATR | RSI | signal |