GRU多维预测

最新推荐文章于 2024-06-28 21:57:59 发布

shortspring

最新推荐文章于 2024-06-28 21:57:59 发布

阅读量3.9k

点赞数 7

文章标签： gru 深度学习人工智能

本文链接：https://blog.csdn.net/shortspring/article/details/121636644

版权

本文通过Python实现了一维和多维预测，利用GRU模型处理tushare导出的股价数据。一维预测中，GRU基于100天收盘价预测后25天收盘价，效果良好。在多维预测中，结合最高价和最低价，平均绝对误差降低，表明多维预测表现更优。

摘要由CSDN通过智能技术生成

本文分享基于GRU实现一维和多维预测的python代码，数据来源于tushare导出的股价数据，笔者的tushareID是469251，这篇文章也是笔者使用tushare模块需要完成的小任务，第一次发文，如有纰漏，还请指正。如有涉及到产权问题，请联系删除。

如果有不了解GRU的读者可以在这个网站查看介绍及相关原理：循环神经网络

参考部分代码的原链接：LSTM进阶：使用LSTM进行多维多步的时间序列预测

使用tushare导出股票数据。'YOUR TOKEN'是个人接口，注册tushare后达到一定积分后可凭TOKEN码直接使用tushare下载金融、财务等相关数据。

ts.set_token('YOUR TOKEN')
pro = ts.pro_api('YOUR TOKEN')
df = pro.query('daily', ts_code='600000.SH', start_date='20180101', end_date='20211220')

writer = pd.ExcelWriter('./SH600000.xlsx')
df.to_excel(writer,sheet_name='SH600000')
writer.save()

导出股票代码为SH600000,时间为20180101-20211220期间的数据，数据预览如下

一维预测

基于GRU使用100天的收盘价预测后25天的收盘价，使用最后125天的数据做测试，之前的数据训练网络，代码如下：

import numpy as np
import tensorflow as tf
from tensorflow.keras.layers import Dropout, Dense, LSTM,SimpleRNN,GRU
import matplotlib.pyplot as plt
from keras.models import load_model
import os
from sklearn.preprocessing import MinMaxScaler
import pandas as