主要原理
CNN-LSTM混合模型首先使用CNN来提取时间序列数据的特征,然后将特征输入进LSTM模型中来进行下一交易日股票收盘价的预测。
数据处理
使用数据作者发现加入volume,pctChg后效果变差,可能原因是加入了相关性较低的特征后造成了数据冗余,使得模型的稳定性降低,导致最终预测的结果不理想。故本文不使用和收盘价相关性较低的股票每日交易数量和每日股票涨跌幅,最终所用到的沪深300指数交易日交易数据为每日的开盘价、收盘价、最高价和最低价。数据预处理使用python中sklearn库提供的MinMaxScaler函数对数据进行归一化处理,使输入数据的值落在[0,1]区间当中。
训练参数
训练结果
batch_size设置为128时,平均loss大小,即平均MSE大小为0.0003通过使用python对数据测试集的涨跌预测准确率进行计算,发现CNN-LSTM模型的未来30天涨跌预测准确率为62%,而未来10天的涨跌预测准确率可以达到67%。
文章为作者独立观点,不代表 股票程序化软件自动交易接口观点