股票预测模型

逻辑回归预测股票涨跌

一 股票数据获取

   通过python 调用免费的股票数据库--import baostock as bk

获取股票数据
输出数据:
股票数据结果

二 衍生特征值&数据预处理

衍生特征值

对数据源进行分箱操作:

    脚本就不放上来了,需要的关注我留言,或者关注我抖音号:

抖音私聊

四 调用sklearn的逻辑回归

 特征值处理好后,就调用模型即可:

在这里插入图片描述

五 模型效果输出

   从数据可以看出,准确率可以到达0.87,但是有个弊端,这个数据源我是用五粮液的数据集,
   这个预估只能判断涨和跌,至于涨多少,跌到多少没有具体值,
   所以一般要对某个股票要留有底仓然后进行T0操作,实际准确值没有那么高
(我试了一个月,准确率也就是在65%左右,但是对于炒股来说已经有一定的参考意义了),

在这里插入图片描述

LSTM股票预测模型是一种基于长短时记忆网络(LSTM)的机器学习模型,用于预测股票价格走势。LSTM模型股票预测中具有一定的优势和特点。 首先,股票价格预测是一个高度非线性的问题。LSTM模型能够处理非线性关系,因为它具有记忆单元和门控机制,可以通过学习历史数据的相关模式来预测未来的走势。这使得LSTM模型在处理股票价格预测问题时更加适用。 其次,股票价格具有时间序列的特性。LSTM模型是一种循环神经网络,可以有效地处理时间序列数据。LSTM模型能够对当前股价的预测结果依赖于过去的股价数据,同时也能够灵活地处理不同时间点的数据间的关系。这使得LSTM模型股票价格预测中更具优势。 然而,需要注意的是,LSTM模型对于股票预测存在一些局限性。根据的引用内容所述,A股市场的股票走势受到政策和消息面的影响较大,这些因素难以被模型预测并纳入考虑。此外,根据的引用内容所述,LSTM模型预测股价时存在“延时性”,即只有在股价走势发生变化后,模型才会进行纠正。因此,在实际应用中,需要综合考虑这些因素,并结合其他数据和模型来提高预测精度。 综上所述,LSTM股票预测模型是一种适用于处理非线性和时间序列特性的机器学习模型。然而,对于股票预测问题,还需要综合考虑其他因素,并结合更全面的数据和模型来提高预测的准确性。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

数据培训课程

你的鼓励是我最大的动力

¥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
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