1.数据为比亚迪A股每天收盘价格的数据(2011/6/30-2023/4/3)(一共2848条数据,数据越多,
预测效果越好,因为是从历史数据中寻找规律。)
)
2.模型:CEEMDAN_LSTM模型,EMD_LSTM、EEMD_LSTM模型利用历史收盘价格预测未来的收盘价格。
1.利用EMD对收盘价格的分解
2.利用EEMD对收盘价格的分解
3.利用CEEMDAN对收盘价格的分解
5.所有方法对比:从预测值与真实值的对比图上可以看出效果最好的是EMD_LSTM,从下图的衡量指标也可以看出。所以虽然CEEMDAN和EEMD比EMD方法优秀,但是具体还有看哪种方法应用于实际的数据集。也可能是我没有将CEEMDAN和EEMD调整到最佳情况,后期再调整试试。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from sklearn.ensemble import IsolationForest
from PyEMD import EEMD, EMD,CEEMDAN
#代码,https://mbd.pub/o/bread/mbd-ZJmTkpdu
from sklearn import svm #### SVM回归####
from elm import * ####ELM回归
from sklearn.neural_network import MLPRegressor ###BP回归
from keras.models import Sequential
from keras.callbacks import ModelCheckpoint
from keras.layers import Dense, Activation, Conv1D, LSTM, Dropout, Reshape, Bidirectional
from evaluate_data import *