jennyzhang8800 / StockPrediction
华量杯-股票预测
☆21Updated 7 years ago
Related projects ⓘ
Alternatives and complementary repositories for StockPrediction
- 基于LSTM的股票价格预测☆59Updated 6 years ago
- 利用情感语义分析和张量数据结构预测股价☆47Updated 7 years ago
- 一个简单的股票预测算法，利用过去5天的涨幅，以及十余项市值因子和财务因子进行训练学习。训练数据被放在本地的mysql数据库中。☆27Updated 6 years ago
- 股票趋势预测☆33Updated 5 years ago
- Tensorflow实例：利用LSTM预测股票☆31Updated 6 years ago
- 这是一个基于LSTM-RNN算法的线上金融股票价格走势预测的小项目，使用tensorflow框架实现。☆43Updated 6 years ago
- 预测股票☆19Updated 7 years ago
- 一个利用中国股票市场日线级别数据分析的模型，历史数据来源tushare,sina,目前采用的模型算法是SVM,后续还会采用其他的算法来对比☆37Updated 6 years ago
- 算法根据单个板块或单只股票的历史数据判断板块指数或个股次日收盘价信息，得到相应的调仓对策。可回归（预测具体价格）可分类（预测涨跌）。 长短期记忆模型(LSTM)是循环神经网络(RNN)的一种，每个输入样本都是一个序列（如某板块20天的四价一量）用这个序列预测结果。它认为某些…☆56Updated 4 years ago
- 股价预测程序，尝试各种模型。☆33Updated 3 years ago
- python量化分析股票的投资组合☆18Updated 7 years ago
- 基于机器学习的股票投资算法，使用到了Auto-ARIMA、LSTM、SVM、Prophet、朴素贝叶斯、移动平均算法等多个算法，从信息收集、算法分析、回测等多个方面进行分析，从消息面、基本面、技术面三种分析方法进行分析。☆93Updated 4 years ago
- DBN股票预测的，改的程序，加了训练方法和tensorboard可视化等☆26Updated 3 months ago
- 基于分布式爬虫，采集互联网公开来源的金融类新闻和文档类文本； 基于文本挖掘技术，进行无监督/半监督学习的数据ETL与特征工程； 基于金融数据挖掘技术，进行宏观经济分析，基本面分析与行业分析☆95Updated 6 years ago
- 基於關聯式新聞提取方法之雙階段注意力機制模型用於股票預測☆46Updated 4 years ago
- Use Deep Learning try to predict stock price. 使用深度学习的股票预测☆26Updated 3 years ago
- 利用Scikit Learn对秒级股票数据进行建模预测☆56Updated 6 years ago
- 量化交易股票预测系统☆38Updated 6 years ago
- 机器学习(股票)，基于机器学习算法支持向量机SVM的交易策略☆39Updated 6 years ago
- 对于一个板块内的股票使用Kmeans聚类剔除垃圾股，利用遗传算法 分析上市公司的财务指标，从基本面的角度得出合理的股票选择模型，帮助投资者在某个板块内确定出选择高收益股票的标准，策略样本外回测计效见backtest.png文件。☆65Updated 3 years ago
- 使用爬虫获取财经网站的评论、文章；通过tushare库获取股票价格数据；通过jieba库对文本进行词频分析☆89Updated 6 years ago
- 基于一个马尔可夫链的股票预测模型☆14Updated 4 years ago
- LSTM 实现的股票最高价预测☆127Updated last year
- 🐮首创性地运用Transformer+XDEEPFM预测中国A股单只股票每天的涨跌幅！☆15Updated 3 years ago
- 爬取东方财富股吧沪深股票文章、评论及发言用户信息☆47Updated 6 years ago
- 针对沪深300指数的历史交易数据，通过机器学习的方法，预测股票的价格（涨跌概率），并借此来形成相应的交易策略。☆28Updated 5 years ago
- 利用大数据与人工智能分析预测金融市场☆61Updated last year
- 股票历史数据采集，存储到csv,MySQL，画K线图和成交量图，根据策略预测涨跌，选股☆58Updated 6 years ago
- 对截止至2017年7月17日的债券违约事件进行梳理归因，并寻找宏观流动性影响因素，组成数据集。运用Lasso回归进行特征提取后，输入带L2惩罚项LR、SVM、NN、GBDT、RF等机器学习模型进行违约预测，得出GBDT预测效果最好以及特征工程对线性模型预测效果具有重要性的结…☆51Updated 5 years ago
- 基于粒子群算法的神经网络优化股票价格预测☆31Updated 4 years ago