全文链接：http://tecdat.cn/?p=28265?
原文出处：拓端数据部落公众号
?
作者：Xiaoyi Sun
预测股票价格，并在合适的时间产生交易策略实现收益，一直是一个热门的问题，到现在为止也提出了很多预测方法。但股票价格 的实时预测是一个难点，需要及时预测价格趋势并作出交易判断。
解决方案
任务/目标
根据市场上已有价格等数据，预测股票价格或趋势，形成交易策略，通过回测计算收益情况。
数据源准备
使用分钟集数据，获得股票价格、交易量、 流量数据，其中流量数据是用一种特殊的方 法计算。每天交易时间为 4 小时，所以一天 有 240 组数据。
由于数据量级的差异，需要对数据进行预处理，都进行归一化。
构造
以上说明了如何抽取相关特征，我们大致有如下训练样本（只列举部分特征）。
划分训练集和测试集
考虑到最终模型会预测将来的某时间段的销 量，为了更真实的测试模型效果，以时间来 切分训练集和测试集。其中训练集与测试集 的比例为 8：2。
建模
LSTM，长短期记忆网络，是一种特殊的 RNN 网络。 LSTM 解决了 RNN 中存在的长期依赖问题， 有输入门、输出门和遗忘门。
EMD，经验模态分解，任何信号可以分解成若干模态分量之合。
?
EMD分解在处理非平稳及非线性数据上，具有非常明显的优势，适合于分析非线性、非 平稳信号序列，具有很高的信噪比。
模型优化
1.利用 LSTM 预测股票价格解决 EMD 分解的端点问题。
1.利用 LSTM 预测中国平安的股票价格情 况： 从 loss 图中可以看出，网络效果较好，训练集和测试集的 loss 都是下降后趋于稳定，不 存在过拟合现象。
?
从下图可以看出测试集的价格预测有很高的 一致性。
?
下图是放大后效果
?
?
2. 利用EMD 分解计算 MACD 的值生成交易信号，将信号代入真实股价产生收益。可以 看出胜率在６０％左右
?
?
关于作者
在此对Xiaoyi Sun对本文所作的贡献表示诚挚感谢，她在哈尔滨工业大学完成了应用统计硕士学位，专长深度学习、数理金融等。
?
?
?
最受欢迎的见解
3.python用遗传算法-神经网络-模糊逻辑控制算法对乐透分析
4.R语言结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析
5.Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性
6.Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
7.用于NLP的seq2seq模型实例用Keras实现神经机器翻译
8.R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测
9.Python用RNN循环神经网络：LSTM长期记忆、GRU门循环单元、回归和ARIMA对COVID-19新冠疫情新增人数时间序列预测