Python-使用RNN股市预测

使用多层LSTM单元的RNN模型 可选的多股票嵌入预测股票市场价格。

“““
Fetch the daily stock prices from Google Finance for stocks in S & P 500.
@author: lilianweng
“““
import click
import os
import pandas as pd
import random
import time
import urllib2

from BeautifulSoup import BeautifulSoup
from datetime import datetime

DATA_DIR = “data“
RANDOM_SLEEP_TIMES = （1 5）

# This repo “github.com/datasets/s-and-p-500-companies“ has some other information about
# S & P 500 companies.
SP500_LIST_URL = “https://raw.githubusercontent.com/datasets/s-and-p-500-companies/master/data/constituents-financials.csv“
SP500_LIST_PATH = os.path.join（DATA_DIR “constituents-financials.csv“）


def _download_sp500_list（）:
    if os.path.exists（SP500_LIST_PATH）:
        return

    f = urllib2.urlopen（SP500_LIST_URL）
    print “Downloading ...“ SP500_LIST_URL
    with open（SP500_LIST_PATH ‘w‘） as fin:
        print >> fin f.read（）
    return


def _load_symbols（）:
    _download_sp500_list（）
    df_sp500 = pd.read_csv（SP500_LIST_PATH）
    df_sp500.sort（‘Market Cap‘ ascending=False inplace=True）
    stock_symbols = df_sp500[‘Symbol‘].unique（）.tolist（）
    print “Loaded %d stock symbols“ % len（stock_symbols）
    return stock_symbols


def fetch_prices（symbol out_name）:
    “““
    Fetch daily stock prices for stock ‘symbol‘ since 1980-01-01.

    Args:
        symbol （str）: a stock abbr. symbol like “GOOG“ or “AAPL“.

    Returns: a bool whether the fetch is succeeded.
    “““
    # Format today‘s date to match Google‘s finance history api.
    now_datetime = datetime.now（）.strftime（“%b+%d+%Y“）

    base_URL = “https://finance.google.com/finance/historical?output=csv&q={0}&startdate=Jan+1%2C+1980&enddate={1}“
    symbol_url = base_URL.format（
        urllib2.quote（symbol）
        urllib2.quote（now_datetime ‘+‘）
    ）
    print “Fetching {} ...“.format（symbol）
    print symbol_url

    try:
        f = urllib2.urlopen（symbol_url）
        with open（out_name ‘w‘） as fin:
            print >> fin f.read（）
    except urllib2.HTTPError:
        print “Failed when fetching {}“.format（symbol）
        return False

    data = pd.read_csv（out_name）
    if data.empty:
        print “Remove {} because the data set is empty.“.format（out_name）
        os.remove（out_name）
    else:
        dates = data.iloc[:0].tolist（）
        print “# Fetched rows: %d [%s to %s]“ % （data.shape[0] dates[-1] dates[0]）

    # Take a rest
    sleep_time = random.randint（*RANDOM_SLEEP_TIMES）
    print “Sleeping ... %ds“ % sleep_time
    time.sleep（sleep_time）
    return True


@click.command（help=“Fetch stock prices data“）
@click.option（‘--continued‘ is_flag=True）
def main（continued）:
    random.seed（time.time（））
    num_failure = 0

    # This is S&P 500 index
    #fetch_prices（‘INDEXSP%3A.INX‘）

    symbols = _load_symbols（）
    for idx sym in enumerate（symbols）:
        out_name = os.path.join（DATA_DIR sym + “.csv“）
        if continued and os.path.exists（out_name）:
            print “Fetched“ sym
            continue

        succeeded = fetch_pri

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-03-13 07:08  stock-rnn-master\
     文件         117  2018-03-13 07:08  stock-rnn-master\.gitignore
     文件        2303  2018-03-13 07:08  stock-rnn-master\README.md
     目录           0  2018-03-13 07:08  stock-rnn-master\data\
     文件           0  2018-03-13 07:08  stock-rnn-master\data\.placeholder
     文件        3217  2018-03-13 07:08  stock-rnn-master\data_fetcher.py
     文件        2555  2018-03-13 07:08  stock-rnn-master\data_model.py
     文件        3849  2018-03-13 07:08  stock-rnn-master\main.py
     文件       13033  2018-03-13 07:08  stock-rnn-master\model_rnn.py
     目录           0  2018-03-13 07:08  stock-rnn-master\scripts\
     文件        2780  2018-03-13 07:08  stock-rnn-master\scripts\build_graph.py
     文件         659  2018-03-13 07:08  stock-rnn-master\scripts\config.py
     文件        1131  2018-03-13 07:08  stock-rnn-master\scripts\restore_model.py
     文件        4455  2018-03-13 07:08  stock-rnn-master\scripts\train_model.py