本文介绍了一个基于LSTM和Transformer的股票预测模型，通过PyTorch实现。项目重点展示了LSTM模型，其在股票预测中表现出良好的拟合效果，预测准确率达到96%。尽管尝试了Transformer，但其效果不如LSTM。文章涵盖了模型原理、数据预处理、模型搭建和训练，以及结果分析。
效果一览
文章概述
基于LSTM与Transfomer的股票预测模型
股票行情是引导交易市场变化的一大重要因素，若能够掌握股票行情的走势，则对于个人和企业的投资都有巨大的帮助。然而，股票走势会受到多方因素的影响，因此难以从影响因素入手定量地进行衡量。但如今，借助于机器学习，可以通过搭建网络，学习一定规模的股票数据，通过网络训练，获取一个能够较为准确地预测股票行情的模型，很大程度地帮助我们掌握股票的走势。本项目便搭建了**LSTM（长短期记忆网络）**成功地预测了股票的走势。
在训练模型及结果方面，我们首先采用了LSTM（长短期记忆网络），它相比传统的神经网络能够保持上下文信息，更有利于股票预测模型基于原先的行情，预测未来的行情。LSTM网络帮助我们得到了很好的拟合结果，loss很快趋于0。之后，我们又采用比LSTM模型更新提出的Transformer Encoder部分进行测试。但发现ÿ
订阅专栏 解锁全文
1086
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
