利用神经网络实现股票预测 | 附Pyhon代码

神经网络（NeuralNetworks）是一种用训练数据拟合目标函数的黑箱模型，只要数据量足够大，它可以拟合出输入到输出之间的任意函数关系。

本篇教程我们将使用神经网络进行股市的预测，利用数据样本学习，得到相关因素预测股票走势。

01

问题描述

1）数据

首先我们预设一组数据，下图为股票上证指数2019年07月到2019年09月的30天开盘价格和收盘价格。

▍股票开盘和收盘价格

2）网络结构

设计三层神经网络，隐含层包括25个节点，利用所设计的神经网络来预测股票的收盘均价。

3）可视化

可建立一个30行2列的矩阵存储股票数据，矩阵的第一列输入上列数据中的股票开盘价格，第二列输入股票的收盘价格，如果股票的收盘价格高于开盘价格则用红色显示，反之则用绿色显示，可视化股票数据如下图所示。采用本实例所设计的神经网络预测股票收盘均价，并可视化预测结果。