pytorch LSTM的股价预测

股价预测一直以来都是幻想能够被解决的问题，本文中主要使用了lstm模型去对股价做一个大致的预测，数据来源是tushare，非常感谢tushare的数据！！

为什么要用LSTM？

LSTM是一种序列模型，是RNN中最典型的一个网络结构，对RNN做了一些改进同时具有RNN的特性，可以更好的处理时序数据。

如果可以实现对股价的预测，作为一个股民，可以更好的掌握买卖点，以及辅助自己做决策等等，以此提高自己的收益率。你可以合理地决定什么时候买股票，什么时候卖股票来获利。这就是时间序列建模的用武之地。你需要一个好的机器学习模型，它可以观察一系列数据的历史，并正确预测序列的未来元素是什么。

股票市场价格高度不可预测和波动。这意味着，在数据中没有一致的模式可以让你在一段时间内对股票价格进行近乎完美的建模。然而，我们不要一直认为这只是一个随机或随机的过程，机器学习是没有希望的。让我们看看您是否能够至少对数据建模，以便您所做的预测与数据的实际行为相关联。换句话说，你不需要确切的未来股票价值，而需要股票价格的变动（也就是说，如果它在不久的将来会上涨或下跌）。

import torch
import torch.nn as nn
import torch.optim as optim
from tqdm import tqdm
import tushare as ts
from copy import deepcopy as copy
import matplotlib.pyplot as plt
from torch.utils.data import DataLoader, TensorDataset
import numpy as np

获取数据

获取数据部分使用了一个专业获取股票数据的第三方库：tushare

tushare非常强大，各种有关股票的数据都可以很方便的下载，甚至包括股票新闻数据。最近在搞NLP，下次有机会后尝试加入一些股票新闻和公司公告等文本信息帮助预测股票走势，应该会有较大提升。

老版本：Tushare -财经数据接口包

新版本：Tushare大数据社区

我这里仅仅是做了一个demo，仅供参考思路，并没有用到过多的股票数据特征所以就使用了老版本的历史行情数据接口API：ts.get_hist_data(stock_id)

更多信息详见官网：

 这里我使用了开盘价、收盘价