创新实训二十二章

LSTM模型测试

我首先测试的是000001(平安银行)这只股票的价格,因为为了保证数据的数量，我是使用的每分钟的价格来进行训练的，重复训练了多久我忘记了，大概是训练了六七个小时，但是情况并不好，因为我一开始的时候进行了归一化处理，结果发现因为每分钟的情况有时候最高价和最低价之间的差距太小了，导致反归一化之后最高价反而比最低价还要低，这是肯定不合理的，于是我就换成了每日的k线数据，预测结果还是不错的，总体的走势其实是挺符合实际的，但是还是有一定的差距，于是我进行了一些列的修改，包括修改激发函数、修改学习率、提升重复训练次数等，这么操作下来我感觉效果都不好，于是我决定在后面的时间里，尽量多加几层lstm层，应该会得到一个更好的预测效果。我这里只贴几张测试的图片。
这是我重复训练了200次的效果，其实我们可以看到一开始的走势还是可以的，但是越往后就开始有很大的偏差了（这是东方财富的股票），这样的预测其实是与我们的理想偏差较大的。
这是重复训练了800次，并且将batch_size换成了20得到的结果，这就其实挺符合实际的趋势了，而且我们可以看到在预测的前期已经很符合走势了，但是越往后偏差就越大了。但是我觉得还是应该多训练一些次数。

这里是我训练了5000次，并且直接预测了未来的四个指标的数据，结果也就那样，有些地方与实际呃差距还是很大。而且5000次相比前面我训练的1000次有一个其实并没有很大差距，于是我认为，要么是直接提高数量级，要么是模型修改，仅仅增加训练次数肯定是得不到理想的效果的。
为什么会这么说呢，就是因为我在后面做了一个修改的模型，只跑了1000次就发现准确率比5000次的还要高不少了，后面的话我会拿出时间来多加基层lstm模型跑一跑看看预测结果的。