StockPrediction--自建的股票预测的python库

StockPrediction–自建的股票预测的python库

1. 安装
pip3 install StockPrediction
2. 使用方法
单个股票的历史收盘价数据,如平安银行
import StockPrediction
PingAn = StockPrediction.CNStocks('000001.sz')
PingAn.History()

有两个主要的类:CNStocks和USStocks,分别是中国股票和美股
中国股票分为上证和深证,注意股票代码后面的后缀
美股是四个字母,如苹果AAPL

Apple = StockPrediction.USStocks('AAPL')
Apple.History()

结果如下:
平安银行历史收盘价

未来一周的收盘价的预测,如平安银行
PingAn.TrainAndPredict()

训练结果如下:
训练结果

预测结果如下:
预测结果

3. Tips
  1. 获取股票数据使用的是yahoo的免费接口,不需要注册,apikey, token等,有一点就是没有VPN的话,尽量不要频繁访问,会提示timeout,遇到这种情况,过两三分钟访问就可以了。简单使用方法如下:
import pandas_datareader as web
df = web.DataReader('000001.sz', data_source='yahoo', start='2018-01-01', end='2021-08-12')
print(df)
  1. 获取的数据包括开盘价,收盘价,当天最高等等,我是只提取了收盘价作为训练的数据,预测的也是收盘价
  2. 历史数据的时间我是设置的从2018-01-01开始然后到当天,获取当天日期方法如下:
import datetime
date = datetime.date.today()

昨天和明天分别如下:

yesterday = today - datetime.timedelta(days=1)
tomorrow = today + datetime.timedelta(days=1)
  1. 使用了RNN中的LSTM模型(两个LSTM层,两个Dense层),预测时采用了过去60天的收盘价
  2. 只选用了收盘价,预测结果肯定有偏差,仅供参考和玩乐
  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
抱歉,我无法提供完整的CBAM-CNN-LSTM股票预测Python代码,因为这涉及到一个复杂的模型架构和数据处理步骤。不过,我可以向你解释一下这个模型的主要思想和步骤,帮助你理解如何实现它。 CBAM-CNN-LSTM模型是一种结合了卷积神经网络(CNN)、循环神经网络(LSTM)和通道与空间注意力机制(CBAM)的混合模型,用于股票预测。下面是一个简单的伪代码示例,展示了CBAM-CNN-LSTM模型的主要步骤: ```python # 导入必要的库 import numpy as np import pandas as pd from keras.models import Sequential from keras.layers import LSTM, Dense, Conv1D, MaxPooling1D, GlobalAveragePooling1D # 加载和准备数据 data = pd.read_csv('stock_data.csv') # 数据预处理步骤... # 构建CBAM-CNN-LSTM模型 model = Sequential() model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(timesteps, features))) model.add(MaxPooling1D(pool_size=2)) model.add(Conv1D(filters=128, kernel_size=3, activation='relu')) model.add(MaxPooling1D(pool_size=2)) model.add(GlobalAveragePooling1D()) model.add(LSTM(units=64)) model.add(Dense(units=1, activation='sigmoid')) # 编译和训练模型 model.compile(optimizer='adam', loss='mean_squared_error') model.fit(X_train, y_train, epochs=10, batch_size=32) # 使用模型进行预测 predictions = model.predict(X_test) # 评估模型性能 # ... ``` 这只是一个简单的示例,实际应用中可能需要更复杂的数据预处理、调参等步骤。你可以根据自己的需求和数据集进行相应的修改和调整。记得根据你的数据特性,进行适当的调整和优化,以便获得更好的预测结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值