编号：C87
大小：20M
环境：Python3.8、torch、Pycharm2020
简介：基于LSTM的股票价格预测_数据+代码+报告，可以最为数据挖掘的大作业。股票作为人民金融投资的普遍方式，如何在股票中赚钱成为股民的共同目标。要想在股票交易中赚钱便要掌握股票的走势，因此股票价格预测工作引起社会及学术界的广泛关注。股票的走势随市场变动，而且受诸多因素影响，如国际环境，政策变化，行业发展，市场情绪等等，这使得股民很难预测股票的走势。理论上，根据股票以往的价格走势，可以预测股票的未来走势。因为股票预测是高度非线性的，这就要预测模型要能够处理非线性问题，并且，股票具有时间序列的特性，因此适合用循环神经网络对股票进行预测。虽然循环神经网络（RNN），允许信息的持久化，然而，一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱，在时间序列过长的时候，因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。Hochreiter 和 Schmidhuber 提出的长短期记忆（ Long Short-Term Memory，LSTM）模型在RNN结构的基础上进行了改造，从而解决了RNN模型无法刻画时间序列长记忆性的问题。因此，本文基于LSTM实现一个股票价格预测模型。
项目结构：
data目录：上证指数的csv文件
model目录：模型保存文件
dataset.py : 数据加载及预处理类，数据标准化、划分训练集及测试集等
plot.py: 数据预分析，画出股票走势图和成交量趋势图
evaluate.py : 预测
LSTMModel.py : 定义LSTM模型
parsermy.py : 常用参数
train.py：模型训练
运行方法：
直接运行train.py开始模型训练
直接运行evaluate.py开始模型预测

运行展示

直接运行evaluate.py开始模型预测

直接运行train.py开始模型训练

配套文件

我们提供完整项目文件清单如下：
文件目录
├ 1.项目源码
├ 2.运行截图
└ 3.演示视频