基于python的股票日数据获取与LSTM时序预测

最新推荐文章于 2024-08-11 23:29:16 发布

奇迹523

最新推荐文章于 2024-08-11 23:29:16 发布

阅读量1.1k

点赞数 3

分类专栏： python 文章标签： python lstm 开发语言

本文链接：https://blog.csdn.net/weixin_42749944/article/details/121176779

版权

本文介绍了如何使用Python的Tushare库获取股票历史数据，并展示了对股票收盘价进行长短期记忆（LSTM）模型的时序预测。详细过程包括数据获取、模型搭建和结果展示，提供了相关的学习资源链接。

摘要由CSDN通过智能技术生成

1 获得任意一只股票的历史数据

通过Tushare库获得。
官网：https://tushare.pro/
安装步骤如下，主要参考https://zhuanlan.zhihu.com/p/31959676

首先在命令行pip install tushare
然后在Tushare官网注册，并完善个人信息，获得TOKEN
在python中运行代码，获得股票数据

import tushare as ts

ts.set_token('此部分需要改成自己的TOKEN')

pro = ts.pro_api()
code = '600019.SH' #股票编号,我选的是宝山钢铁股份有限公司
df = pro.daily(ts_code=code, start_date='20100701', end_date='20210701') #设定获取数据的开始时间2010-07-01和结束时间2021-07-01

在这里插入图片描述

画图显示数据

import matplotlib.pyplot as plt
plt.figure
df.iloc[:,2:].plot()

请添加图片描述
其中close是收盘价

2 对股票收盘价进行时序预测

宝山钢铁股份有限公司，2010-07-01到2021-07-01的股票收盘价示意图如下
请添加图片描述
搭建前3预测后3的模型（具体代码在之前的文章中有），得到

import numpy as np
import tensorflow.keras
import matplotlib.pyplot as plt
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense,LSTM,Dropout,SimpleRNN,Activation

#---------------利用keras搭建LSTM和RNN模型
def create_model(n_in,n_features,n_out):
    model = Sequential()
    model.add(LSTM(128, activation=