Python深度學(xué)習(xí)LSTM模型預(yù)測股票價格(Alibaba)

有人說如果能夠正確的預(yù)測股票的價格，就相當(dāng)于發(fā)明了經(jīng)濟的永動機锰什。在這個全民炒股的時代迈螟，誰不想擁有一個水晶球? 機器學(xué)習(xí)和深度學(xué)習(xí)在金融機構(gòu)中的應(yīng)用已經(jīng)足夠長久弄息。LSTM作為在時間序列預(yù)測比較成功的算法海渊，能夠很好的預(yù)測股票數(shù)據(jù)嗎? 下面以阿里巴巴美股數(shù)據(jù)為例绵疲，通過移動平均值預(yù)測MA)和LSTM，搭建模型預(yù)測股票價格臣疑。用到的除了常用的machine learning libs盔憨，用Keras 來搭建LSTM模型。

第一步當(dāng)然是import libs

所用到的libs

數(shù)據(jù)的來源是Alphavantage讯沈，從14年9月19日上市以來到今天5月4日的數(shù)據(jù)郁岩。

阿里股價數(shù)據(jù)

幾年內(nèi)股票的大致走勢如下圖

股價走勢

如果大家看過一些關(guān)于股票的視頻的話肯定對移動平均線不會陌生。下面的圖里展示了30天和十天的移動平均線缺狠，可以看到雖然能夠擬合大致的趨勢驯用，但是還是有很多地方出現(xiàn)了相反的趨勢∪謇希基于此，下面是用LSTM來搭建模型记餐。

移動平均線

A data scientist is as good as the data he has驮樊。所以第一步就是做一些數(shù)據(jù)的預(yù)處理，特征縮放片酝，分訓(xùn)練集和測試集囚衔，生成矩陣。

有了數(shù)據(jù)之后雕沿，第二步就是訓(xùn)練LSTM 模型练湿，用到了keras 的以下模塊，Sequential?用于初始化神經(jīng)網(wǎng)絡(luò)审轮，Dense?用于添加密集連接的神經(jīng)網(wǎng)絡(luò)層肥哎，LSTM?用于添加長短期內(nèi)存層Dropout?用于添加防止過擬合的dropout層辽俗。

LSTM

模型fit 好之后用測試集數(shù)據(jù)來產(chǎn)生預(yù)測。

產(chǎn)生預(yù)測篡诽，畫圖

最后的LSTM預(yù)測結(jié)果如下崖飘，可以看出LSTM模型要明顯優(yōu)于MA預(yù)測。

prediction vs real data

總結(jié)

LSTM 真的很善于預(yù)測時間序列數(shù)據(jù)杈女，相信如果和情感數(shù)據(jù)相結(jié)合能夠產(chǎn)生可以實際應(yīng)用的模型朱浴。股市有風(fēng)險，希望每位會理性投資达椰，精致分析翰蠢，收益長虹。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者