LSTM股价预测（python）.zip

使用LSTM预测股价案例，超级精简，便于理解，是LSTM入门的好案例。

# coding: utf-8

# In[1]:


import requests
import numpy as np
import matplotlib.pyplot as plt
import math
from numpy import *
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error

#通过深交所获取股票历史数据
url=“http://www.szse.cn/api/market/ssjjhq/getHistoryData?random=0.08048793408036281&cycleType=32&marketId=1&code=000058“
    
r=requests.get（url）
data=r.json（）

#从数据中提取收盘价备用
data_arr=np.array（data[“data“][“picupdata“]）
close_prices=data_arr[:2].astype（np.float32）
#print（close_prices）


# In[2]:


np.random.seed（8）


# In[3]:


#数据归一化
scaler=MinMaxScaler（feature_range=（01））
dataset=scaler.fit_transform（close_prices.reshape（len（close_prices）1））


# In[4]:


#从原始数据中分割出训练数据和测试数据
train_size=int（len（dataset）*0.618）
test_size=len（dataset）-train_size
traintest=dataset[:train_size:]dataset[train_size::]


# In[5]:


#格式化数据便于输入
def create_dataset（dataset look_back=1）:
    dataX dataY = [] []
    for i in range（look_backlen（dataset））:
        a = dataset[i-look_back:i0]                          
        dataX.append（[a]）
    Y=dataset[look_back:0]
    return np.array（dataX） Y


# In[6]:


short_term=5 #设定短期周期为15天
train_Xtrain_Y=create_dataset（trainlook_back=short_term）
test_Xtest_Y=create_dataset（testlook_back=short_term）
origin_Xorigin_Y=create_dataset（datasetlook_back=short_term）


# In[7]:


#使用序列模型训练
model=Sequential（）
model.add（LSTM（100input_shape=（train_X.shape[1]train_X.shape[2]）））
model.add（Dense（1））
model.compile（loss=‘mean_squared_error‘ optimizer=‘adam‘） 

history = model.fit（train_X train_Y 
                    epochs=200 
                    batch_size=100 
                    validation_data=（test_X test_Y））

plt.plot（history.history[“loss“]label=“train“）
plt.plot（history.history[“val_loss“]label=“test“）
plt.legend（）
plt.show（）


# In[8]:


y_predicted=model.predict（origin_X）

plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]  # 用来正常显示中文标签
plt.rcParams[‘axes.unicode_minus‘] = False  # 用来正常显示负号


plt.figure（figsize=（12 4））

x_index=range（len（origin_Y））

#反归一化，还原为原价
origin_Y=scaler.inverse_transform（np.array（origin_Y）.reshape（（len（origin_Y）1）））
y_predicted=scaler.inverse_transform（y_predicted）

plt.plot（x_indexorigin_Ylabel=“真实收盘价“color=“#008080“）
plt.plot（x_indexy_predictedlabel=“预测收盘价“color=“#ff6666“）

plt.legend（）

plt.show（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-08-29 18:15  LSTM股价预测（python）\
     文件       56650  2019-08-29 18:13  LSTM股价预测（python）\LSTM_stock_price_prediction.pdf
     文件        2655  2019-08-29 18:15  LSTM股价预测（python）\LSTM_stock_price_prediction.py