Python实现基于LSTM对股票走势的预测 毕业论文+项目源码及数据

❖目录

❖摘要	3

一、问题描述	3

┊

1.1 绪论	3

┊

❖1.2 当前股票预测的方法概述	4

❖1.3 本文所使用的模型	5

❖二、数据集说明	5

❖2.1 tushare 库和 Talib 库概要	5

❖2.2 获取历史行情数据	6

装	2.3 实现代码：	7

❖2.4 数据预处理	9

❖2.5 设计代码	10

┊

2.6股票预测使用数据说明	11

┊

2.7特征工程处理	14

┊

订	2.8 输出数据说明	16

❖三、LSTM 模型	16

❖3.1 LSTM 模型概要	16

❖3.2 股票预测模型特征分析	17

❖3.3 本文所使用的 LSTM 结构	18

❖3.4 本次实验所采用的结构图	19

线	四、实验流程和结果	19

❖4.1 数据获取	19

❖4.2 Pytorch 工具集概要	19

❖4.3 Pytorch 指令解析	19

┊

4.4搭建 LSTM 预测模型	21

┊

4.5拟合结果评估方法概要	21

┊

❖4.6 项目附件说明	24

❖4.7 项目使用说明书	24

┊

❖摘要

┊

❖为对股票价格的涨跌幅度进行预测，本文使用了基于长短期记忆网络(LSTM)的方法。根

❖据股票涨跌幅问题， 通过对股票信息作多值量化分类，将股票预测转化成一个多维函数拟

❖合问题。将股票的历史基本交易信息作为特征输入，利用神经网络对其训练，最后对股票的

❖涨跌幅度做分类预测。数据集为代号 510050 的上证股票，实验结果表明该模型在单纯预测

❖涨跌的情况下有比较好的预测效果。