用Python写股票预测价格项目

Laburado

有没有大佬能写一下呀！预测股票价格项目
项目背景：本项目要求结合历史股票的数据预测股票市场的未来价格及成交量。
数据说明gzpa_train.csv中存放着训练数据， gzpa_test.csv为测试数据，根据训练数据预测测试数据中未来的开盘价，收盘价，最高价，最低价及成交量。数据可从下述链接获取。链接：https://pan.baidu.com/s/1e-id7O0VwbeRxsxhN57o9A?pwd=x5dn提取码：x5dn
算法要求要求至少使用一种机器学习算法，（若使用RNN或LSTM，则需给出模型参数文件）。由于本项目是回归问题，模型评价指标使用R2、MAE和MSE。
提交数据要求程序代码及结果（电子版）：完整的代码，文件名为“项目一+班级+姓名.ipynb”。正确运行代码后要求能产生预测结果，文件名为“项目一+submit+姓名.csv”。该结果文件中需要包含六列，第1列标题为date，内容同gzpa_test.csv中的date，排序也一定要相同，不然预测评分值会很低；第2列标题为open，内容为预测的开盘价，第3列标题为high，内容为预测的最高价；第4列标题为low，内容为预测的最低价；第5列标题为close，内容为预测的收盘价；第6列标题为volume，内容为预测的成交量。

fzhhn

你这币确实太少，估计没人花大量时间在你这个问题上。但我可以帮你问问gpt-4，至于对不对我也不懂。如果没有帮助那我就先说声抱歉浪费了你的时间。
以下是gpt-4的原回答：

这是一个时间序列预测问题，你可以使用LSTM，这是一种循环神经网络，非常适合处理时间序列数据。
以下是一个Python环境下使用Keras库的LSTM的基本代码框架。这个代码框架旨在将数据预处理为LSTM可以接受的格式，并建立一个基本的LSTM模型。

[Python] 纯文本查看 复制代码

import pandas as pd
import numpy as np
from keras.models import Sequential
from keras.layers import LSTM, Dense
from sklearn.metrics import mean_squared_error
from sklearn.preprocessing import MinMaxScaler
from keras.models import load_model

# 数据加载
train = pd.read_csv('gzpa_train.csv')
test = pd.read_csv('gzpa_test.csv')

# 数据预处理
scaler = MinMaxScaler(feature_range=(0, 1))
scaled_data = scaler.fit_transform(train.iloc[:,1:6])

# 数据转换为LSTM需要的格式
def create_dataset(dataset, look_back=1):
    X, Y = [], []
    for i in range(len(dataset)-look_back-1):
        a = dataset[i:(i+look_back), :]
        X.append(a)
        Y.append(dataset[i + look_back, :])
    return np.array(X), np.array(Y)

look_back = 1
X_train, Y_train = create_dataset(scaled_data, look_back)

# LSTM模型建立
model = Sequential()
model.add(LSTM(50, input_shape=(X_train.shape[1], X_train.shape[2])))
model.add(Dense(5))
model.compile(loss='mean_squared_error', optimizer='adam')

# 模型训练
model.fit(X_train, Y_train, epochs=100, batch_size=1, verbose=2)

# 保存模型
model.save('LSTM_model.h5')

# 模型预测
train_predict = model.predict(X_train)

# 预测结果反归一化
train_predict = scaler.inverse_transform(train_predict)

以上代码的主要步骤是：

• 加载数据
• 数据预处理，归一化数据到0-1之间
• 转换数据为LSTM可以接受的3D格式
• 建立LSTM模型，并进行训练
• 保存训练好的模型
• 使用模型进行预测，并将预测结果反归一化到原来的范围
  

需要注意的是，这是一个基本的LSTM模型，对于实际问题，你可能需要对模型结构进行调整，比如增加隐藏层的数量，改变LSTM神经元的数量，改变epoch等。而且，这里只进行了训练集的预测，你还需要处理测试集的数据，并对其进行预测。

最后，根据要求，你需要将预测结果保存为csv文件。可以使用pandas的DataFrame和to_csv函数来实现。例如：

[Python] 纯文本查看 复制代码

result = pd.DataFrame(train_predict, columns=['open', 'high', 'low', 'close', 'volume'])
result['date'] = test['date']
result = result[['date', 'open', 'high', 'low', 'close', 'volume']]
result.to_csv("项目一+submit+姓名.csv", index=False)

这将会在当前目录下生成一个名为"项目一+submit+姓名.csv"的文件，其中包含了预测的股票信息。
此外，模型的评估可以使用sklearn的mean_absolute_error，mean_squared_error，和r2_score等函数。例如：

[Python] 纯文本查看 复制代码

from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score
mae = mean_absolute_error(Y_test, test_predict)
mse = mean_squared_error(Y_test, test_predict)
r2 = r2_score(Y_test, test_predict)
print('Test Mean Absolute Error:', mae)
print('Test Mean Squared Error:', mse)
print('Test R2 Score:', r2)

其中，Y_test是测试集的真实值，test_predict是测试集的预测值。

如果你对它的回答还有什么问题，可以回复我，我会继续跟进你对gpt-4的提问。

py学徒

这种需求，25个币就能搞定？哈哈~

Guo-Guo

哈哈哈，这币也太少了，淘宝250RMB估计都没人做

heign

牵涉到机器学习的单子都不便宜，已经不是吾爱币的问题了，而是RMB

Laburado

py学徒 发表于 2023-5-25 19:42
这种需求，25个币就能搞定？哈哈~

哈哈哈，这样嘛，我是第一次提问，了解了了解了，谢谢

Laburado

Guo-Guo 发表于 2023-5-25 20:10
哈哈哈，这币也太少了，淘宝250RMB估计都没人做

哈哈哈，这样嘛，我是第一次提问，了解了了解了，谢谢

Laburado

heign 发表于 2023-5-25 21:04
牵涉到机器学习的单子都不便宜，已经不是吾爱币的问题了，而是RMB

原来如此

Guo-Guo

Laburado 发表于 2023-5-25 22:51
哈哈哈，这样嘛，我是第一次提问，了解了了解了，谢谢

看看楼上GPT4写的代码吧，GPT4这么强啊，感觉看起来不错的样子, GPT4能写的话25个币肯定够了

lewin8

这种写出来的怕是吾爱币不会卖，反正我是不会。