Tensorflow实例：利用LSTM预测股票每日最高价（二）

最新推荐文章于 2025-03-03 20:32:37 发布

Scorpio_Lu

最新推荐文章于 2025-03-03 20:32:37 发布

阅读量7.5w

点赞数 57

文章标签：股票预测 tensorflow RNN LSTM 时间序列

本文链接：https://blog.youkuaiyun.com/mylove0414/article/details/56969181

版权

使用TensorFlow和LSTM模型，根据股票历史数据中的多个特征预测下一日最高价。通过调整参数，将前5800个数据作为训练集，实现时间序列预测。训练完成后，模型对股票最高价的预测偏差约为1.36%。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

根据股票历史数据中的最低价、最高价、开盘价、收盘价、交易量、交易额、跌涨幅等因素，对下一日股票最高价进行预测。

实验用到的数据长这个样子：
这里写图片描述

label是标签y，也就是下一日的最高价。列C——I为输入特征。
本实例用前5800个数据做训练数据。

单因素输入特征及RNN、LSTM的介绍请戳上一篇 Tensorflow实例：利用LSTM预测股票每日最高价（一）

导入包及声明常量

import pandas as pd
import numpy as np
import tensorflow as tf

#定义常量
rnn_unit=10       #hidden layer units
input_size=7      
output_size=1
lr=0.0006         #学习率

导入数据

f=open('dataset.csv') 
df=pd.read_csv(f)     #读入股票数据
data=df.iloc[:,2:10].values   #取第3-10列

生成训练集、测试集

考虑到真实的训练环境，这里把每批次训练样本数（batch_size）、时间步（time_step）、训练集的数量（train_begin,train_end）设定为参数，使得训练更加机动。

#——————————获取训练集——————————
def get_train_data(batch_size=60,time_step=20,train_begin=

最低0.47元/天解锁文章