2 pure0417 pure0417 于 2016.03.30 17:44 提问

TensorFlow实现股价预测 50C

求问下有没有大神知道怎样用TensorFlow实现股票市场预测,看到大多数的实例都是针对图像的。

3个回答

tian_cai
tian_cai   2016.04.07 09:54

很难有足够的输入参数啊,经济数据还好采集,但有些:
1. 散户的心情
2. 庄家的心情
3. 机构的心情
4. 国家的心情

去哪找?

bayidi4098
bayidi4098   2017.02.26 01:03

我说的参数不只是股价和成交量形成的K线,因为很多市场的散户,根本不看“K”线炒股,这些参数对他们毫无影响,我需要的是额外的参数,大宗商品价格,m2数量,七天逆回购价格,还有股指期货价格开单量,股指期货赎回时间,以及今天星期几,还有北京天气,上海天气,深圳天气,etf销量,工业增加值,基金销量都是重要!重要!重要!的参数

bayidi4098
bayidi4098   2017.02.26 00:52

我觉得是可以的,我是在caffe上做得,我认为股价也好,波动率也好,应该和足够多的参数正相关或者负相关,或者线性或非线性相关,那么我做的方法是认为我的程序只能拿到有限的参数,因此预测不可能很准确,但是我统计哪些参数预测准确率高,哪些参数预测准确率低,然后剔除噪音,最后形成一个稳定的预测,我们可以做多个模型,不止预测一个参数,但是时间会花的比较多在这上面,我做了快一年了,才能说出这么些东西。

tv452457
tv452457 你是用caffe?我想问问你用了哪些参数?国内A股市场政策因素大,有哪些参数可以反映?
大约一年之前 回复
Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
Tensorflow实例:利用LSTM预测股票每日最高价(二)
根据股票历史数据中的最低价、最高价、开盘价、收盘价、交易量、交易额、跌涨幅等因素,对下一日股票最高价进行预测。实验用到的数据长这个样子: label是标签y,也就是下一日的最高价。列C——I为输入特征。 本实例用前5800个数据做训练数据。单因素输入特征及RNN、LSTM的介绍请戳上一篇 Tensorflow实例:利用LSTM预测股票每日最高价(一)导入包及声明常量import pandas a
使用tensorflow:LSTM神经网络预测股票(一)
使用tensorflow:LSTM神经网络预测股票
Tensorflow实例之使用LSTM预测股票每日最高价(二)
Tensorflow实例之使用LSTM预测股票每日最高价(二):根据股票历史数据中的最低价、最高价、开盘价、收盘价、交易量、交易额、跌涨幅等因素,对下一日股票最高价进行预测。 实验用到的数据长这个样子: label是标签y,也就是下一日的最高价。列C——I为输入特征。 本实例用前5800个数据做训练数据。 单因素输入特征及RNN、LSTM的介绍请戳上一篇 Tensorflow实例:
Tensorflow实例:利用LSTM预测股票每日最高价(一)
RNN与LSTM这一部分主要涉及循环神经网络的理论,讲的可能会比较简略。什么是RNNRNN全称循环神经网络(Recurrent Neural Networks),是用来处理序列数据的。在传统的神经网络模型中,从输入层到隐含层再到输出层,层与层之间是全连接的,每层之间的节点是无连接的。但是这种普通的神经网络对于很多关于时间序列的问题却无能无力。例如,你要预测句子的下一个单词是什么,一般需要用到前面的单
代码可直接运行:利用LSTM预测股票每日最高价
博主路一瓢的博文:Tensorflow实例:利用LSTM预测股票每日最高价(一)Tensorflow实例:利用LSTM预测股票每日最高价(二)在以上两篇博文中,博主介绍了RNN和LSTM,并使用LSTM实现了股票预测的例子,让人受益匪浅。但博主提供的代码有一些bug,无法直接运行,经过本人的多番调试,已能完整运行,需要修改的路径问题也已经在代码中给出了注释,希望能在深度学习的路上给大家带来一些帮助。
自创数据集,用TensorFlow预测股票教程 !(附代码)
来源:机器之心 本文长度为4498字,建议阅读8分钟 本文非常适合初学者了解如何使用TensorFlow构建基本的神经网络。 STATWORX 团队近日从 Google Finance API 中精选出了 S&P 500 数据,该数据集包含 S&P 500 的指数和股价信息。有了这些数据,他们就希望能利用深度学习模型和 500 支成分股价预测 S&P 500 指数。STATWORX
使用tensorflow:LSTM神经网络预测股票(三)
原始数据处理有朋友在qq群里分享了原始数据处理的想法,例如调整origin_data_row参数、添加一些大盘的数据作为新的特征等。所以这一篇我将原始数据以及原始数据的处理方法写下来,为方便大家验证、探索更好地解决方案。原始数据格式原始数据共有11列, 列名为: stock_num,stock_date,cir_market_value,close_hfq,high_hfq,low_hfq,op
使用tensorflow:LSTM神经网络预测股票(二)
与第一版相比的改进点 股票预测相关代码 数据部分 tensorflow 代码 数据部分 tf代码 交流及完整数据与第一版相比的改进点上一篇博客 直接预测收益,训练过程中通过观察预测值的变动,发现LSTM网络收敛起来非常困难,几百万行数据下来,也没有比较明显的收敛迹象。我分析原因有可能为:一行60个交易日,下一行的60个交易日有59个实际上并没有变,即大部分输入数据并未变动,但是收益变动可能会非常巨大
Tensorflow-LSTM-股票预测DEMO
Tensorflow-LSTM-股票预测DEMO Tensorflow-LSTM-股票预测DEMO
tf26: AI操盘手
你要的答案或许都在这里:小鹏的博客目录 话说股票价格到底能不能预测 先来看一下。 随机游走假说(英语:Random walk hypothesis)是金融学上的一个假说,认为股票市场的价格,会形成随机游走模式,因此它是无法被预测的。(摘自wiki) 生成一个随机游走时间序列数据: import random from matplotlib import