1.数据源 SH600519.csv 是用 tushare 模块下载的 SH600519 贵州茅台的日 k 线数据，本次例子中只用它的 C 列数据(如图 1.2.26 所示)： 用连续 60 天的开盘价，预测第 61 天的开盘价。这个 excel 表格是使用源码 p37_tushare.py(如图
转载
2020-08-27 10:27:00
850阅读
点赞
2评论
import torch
import torch.nn as nn
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 由于训练数据存在相差较大的，因此使用min/max尺度变换对训练数据进行归一化
# 注意只对训练数据进行归一化，为了防止有些信息从训练数据泄露到的测试数据
from sklearn.p
我曾经在图书馆里看到一本书，在那本书里作者提出了一种股票预测算法，即历史与
原创
2023-01-16 08:19:11
145阅读
# Python GARCH 股票价格预测指南
股票价格预测是金融领域中的一个热门研究课题，使用 GARCH（广义自回归条件异方差）模型来捕捉和预测价格波动是一个有效的方法。在本指南中，我们将逐步了解如何实现一个简单的 GARCH 模型来预测股票价格。
## 流程概述
为了完成这一任务，我们将遵循以下步骤：
| 步骤 | 说明 |
|------|------|
| 1. 数据收集 | 从
1.本文是一篇LSTM处理时间序列的案例我们先来看看数据集，这里包含了一只股票的开盘价，最高价，最低价，收盘价，交易量的信息。本文基于LSTM对收盘价（close）进行预测2. 单维对单步的预测我们这是用前n天的数据预测第n+1天的数据。 单维单步的蛤含义如下图，利用2天的数据预测第三天的数据。 trainX的形状为（5,2），trainY的形状为（5,1）3.导入所需要的数据#关于lstm对时间
转载
2023-10-02 11:24:35
3阅读
线性回归在整个财务中广泛应用于众多应用程序中。在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。通过简单的线性回归，只有一个自变量x。可能有许多独立变量属于多元线性回归的范畴。在这种情况下，我们只有一个自变量即日期。对于第一个日期上升到日期向量长度的整数，该日
转载
2023-08-09 15:02:02
250阅读
题目编写一个 StockSpanner 类，它收集某些股票的每日报价，并返回该股票当日价格的跨度。今天股票价格的跨度被定义为股票价格小于或等于今天价格的最大连续日数（从今天开始往回数，包括今天）。例如，如果未来7天股票的价格是 [100, 80, 60, 70, 60, 75, 85]，那么股票跨度将是 [1, 1, 1, 2, 1, 4, 6]。示例：输入：["StockSpanner","ne
原创
2022-10-21 14:12:24
156阅读
前言： 学了差不多10多天的入门机器学习，突然发现学好数学是多么的重要，以前上学时还觉得数学只要学会加减乘除就可以了，什么导数，回归方程都没什么用，这段时间真后悔死，看了好多模型原理推导，有好多的数学符号都不认识了，全部还给了老师，改天还得回家找下以前初中高中的数学书看看才行。感觉我一文科生学这些东西真的非常吃力，说不定哪天我秃头了就真的变强了，哈哈哈！n年后秃头的自己看到今天写的这篇文章会是什么
转载
2023-09-27 17:00:51
0阅读
# R语言ARIMA预测股票价格
在金融领域，股票价格的预测是一项关键活动，许多投资者和金融分析师都在寻找有效的方法来预测未来价格变动。ARIMA（自回归积分滑动平均）模型是时间序列分析中一种常用且有效的预测工具。本文将介绍如何使用R语言实现ARIMA模型来预测股票价格。
## 什么是ARIMA模型？
ARIMA模型是一种统计模型，用于分析时间序列数据。它结合了自回归（AR）、差分（I）和滑
# Python ARIMA模型进行股票价格预测
在这篇文章中，我们将深入探讨如何使用Python中的ARIMA模型来预测股票价格。我们将重点介绍实现的步骤，并提供详细的代码示例和注释，以帮助你理解每一步的过程。
## 一、过程概述
首先，我们将整个流程分为几个主要步骤。以下是一个表格，展示了整个流程及每个步骤的简单描述：
| 步骤 | 描述
# 如何使用神经网络预测股票价格
## 1. 简介
神经网络是一种模拟人脑神经元工作原理的数学模型，可以用来处理复杂的非线性问题。在股票市场中，神经网络可以帮助我们预测股票价格的走势，提供决策支持。
## 2. 流程
下面是使用神经网络预测股票价格的一般流程，我们将按照下表中的步骤逐步讲解。
| 步骤 | 描述 |
| --- | --- |
| 1 | 数据收集和准备 |
| 2 | 数据
原创
2023-07-19 19:19:13
93阅读
文 | 标点符 Prophet是Facebook开源的预测工具，相比ARIMA模型，Prophet真的是非常的简单。只要读入两列数据即可完成预测。且在某些环境下预测的准确性不输ARIMA。Prophet提供了R语言版本和Python版本，这里主要讲解的是Python版本。更多信息可产看官方链接。Prophet的安装fbprophet为Prophet在Python环境下的包，想
转载
2023-09-29 18:56:55
0阅读
nn.Linear的理解
nn.Linear是pytorch中线性变换的一个库
在实际应用中，nn.Linear往往用来初始化矩阵，供神经网络使用。view（）方法
我们经常会用到x.view()方法来进行数据维度的变化
传入数字-1，自动对维度进行变换
我们使用-1数字自动计算出了其余的一个维度nn.MSELoss()
MSE: Mean Squared Error（均方误差）torch.opt
线性回归在整个财务中广泛应用于众多应用程序中。在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。通过简单的线性回归，只有一个自变量x。可能有许多独立变量属于多元线性回归的范畴。在这种情况下...
原创
2021-05-12 14:42:29
1547阅读
线性回归在整个财务中广泛应用于众多应用程序中。在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。通过简单的线性回归，只有一个自变量x。可能有许多独立变量属于多元线性回归的范畴。在这种情况下，我们只有一个自变量即日期。对于第一个日期上升到日期向量长度的整数，该日
原创
2021-05-20 09:32:48
1028阅读
线性回归在整个财务中广泛应用于众多应用程序中。在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。通过简单的线性回归，只有一个自变量x。可能有许多独立变量属于多元线性回归的范畴。在这种情况下，我们只有一个自变量即日期。对于第一个日期上升到日期向量长度的整数，该日
原创
2021-05-20 09:44:03
866阅读
原文参考：http://tecdat.cn/?p=4516线性回归在整个财务中广泛应用于众多应用程序中。在之前的教程中，我们使用普通最小二乘法（OLS）计算了公司的beta与相对索引的比较。现在，我们将使用线性回归来估计股票价格。线性回归是一种用于模拟因变量（y）和自变量（x）之间关系的方法。通过简单的线性回归，只有一个自变量x。可能有许多独立变量属于多元线性回归的范畴。在这种情况...
原创
2021-05-12 14:41:00
1013阅读
导入必要模块import pandas_datareader.data as webimport numpy as npimport pandas as pd谷歌的股价goog=web.DataReader('GOOG',
原创
2023-01-20 09:53:21
79阅读
# 如何使用Python查询股票价格
## 一、整体流程
在教会小白如何使用Python查询股票价格之前，我们首先需要明确整个流程。下面是一个简单的表格展示了这个流程：
| 步骤 | 内容 |
| ---- | --------------------------- |
| 1 | 安装相关库 |
| 2
Python股票数据分析最近在学习基于python的股票数据分析，其中主要用到了tushare和seaborn。tushare是一款财经类数据接口包，国内的股票数据还是比较全的官网地址：http://tushare.waditu.com/index.html#id5。seaborn则是一款绘图库，通过seaborn可以轻松地画出简洁漂亮的图表，而且库本身具有一定的统计功能。 导入的模块:impo
原创
2021-07-26 16:01:00
380阅读
