超级会员免费看
本文探讨了使用历史数据预测股票价格，通过应用机器学习算法（如移动平均、线性回归、k-NN）和时间序列模型（如ARIMA、Prophet、LSTM）来预测股票收盘价。尽管一些技术捕捉了趋势，但预测结果并不完全准确，因为股票价格受多种不可预测因素影响。
Introduction
预测股市将如何表现是最困难的事情之一。 预测中涉及的因素很多 - 物理因素与生理因素，理性行为和非理性行为等有关。所有这些因素共同导致股价波动，很难以高精度预测。
我们可以将机器学习作为该领域的游戏规则改变者吗？ 利用有关组织的最新公告，季度收入结果等功能，机器学习技术有可能发掘出我们以前没有看到的模式和见解，并且可以用来做出准确无误的预测。
在本文中，我们将使用有关上市公司股票价格的历史数据。 我们将实施混合的机器学习算法来预测该公司的未来股票价格，从平均和线性回归等简单算法开始，然后转向Auto ARIMA和LSTM等高级技术。
本文背后的核心思想是展示如何实现这些算法。 我将简要介绍该技术并提供相关链接，以便在必要时了解这些概念。 如果你是时间序列世界的新手，我建议首先阅读以下文章：
订阅专栏 解锁全文
扫一扫
1027
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
