深度学习实践-可转债次日开盘价预测

最近看《DIVE INTO DEEP LEARNING》，根据其中的RNN章节，找个项目进行实践一下。首先说效果，很不理想，这也是意料之中的，毕竟股市、债市各种不可控、不可量化的因素太多了，权当做练习RNN就行。

目的：根据前N（5,10,15）天的行情，使用GRU,LSTM,BiLSTM对可转债次日开盘价进行预测。

数据：把每只转债的当日行情，按分钟处理，这样每天就有242组数据，每组数据包含（当时价格、昨日收盘价、今日开盘价，当时均价，当时交易量）五个特征。时间步设置为N，所以输入 数据的维度为[N,242,5]。

数据来源：新浪和中泰近一年的每日分时数据。

模型：GRU,LSTM,BiLSTM

激活函数：ReLU,Tanh

损失函数：MSELoss,LiLoss

优化函数：Adam,SGD

学习率:0.001

硬件：使用RTX 2060进行加速

瓶颈:因为所有数据都存储在mysql表中，每次加载处理数据占用时间最多。使用GRU/LSTM，GPU DUDA占用率40%，使用BiLSTM是占用率99%。

训练结果：对训练后的参数应用于新数据上，只能说大部分预测数据接近于开盘价，但是无法预测大幅度变化的开盘价。

总结：好像对起伏不大的数据有点作用，但是对真正的股市、债市意义不大。