从零开始用人工智能预测股票（三、初步实现）

人木

于 2018-03-19 16:15:15 发布

阅读量1.2w

点赞数 4

分类专栏：股票预测文章标签：机器学习 TensorFlow 股票 python

本文链接：https://blog.youkuaiyun.com/qq_36534601/article/details/79612987

版权

该博客介绍了如何使用TensorFlow进行股票预测的初步尝试。在数据预处理后，通过梯度下降法进行反向传播训练模型。尽管最终准确率在30%-40%，但由于模型简单和数据特性，大部分预测结果为零，与实际中股票涨跌幅为零的情况相符，因此模型的实际意义有限。作者计划针对涨跌幅较大的股票进行进一步研究。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在数据加工好以后，我们用TensorFlow做简单的预测。

按之前的做法去读取并加载数据

    data,date= dp.readData()
    train,test,trainLables,testLabels= dp.normalization(data)

然后添加变量和参数

    x = tf.placeholder("float",[None,109])
    w = tf.Variable(tf.random_normal([109,21]))
    b = tf.Variable(tf.random_normal([21]))
    y = tf.nn.softmax(tf.matmul(x,w)+b)
    y_ = tf.placeholder("float",[None,21])

损失函数为交叉熵，y+1e-9为了保证交叉熵不为空，不加1e-9则无法继续计算：

#损失函数
    cross_entropy = -tf.reduce_sum(y_*tf.log(y+1e-9))

采用动态学习率，随步数进行递减

    #设定学习率随时间递减
    global_step = tf.Variable(0, trainable=False)
    initial_learning_rate = 0.0001 #初始学习率
    learning_rate = tf.train.exponential_decay(initial_learning_rate,

最低0.47元/天解锁文章