下面我把详细方法一步一步的给大家罗列下:
1.安装机器学习和深度学习库:
mxnet gluonsklearn xgboost2. 股票价格数据(演习/测试)
虚线垂直线表示演习数据和测试数据之间的分离。 显示 GS 但将利用 72 个资产。 每项资产的逐日价格。3. 技能指标
剖析指标:
Moving Averages MACD Bollinger Bands Momentum4.感情新闻。
该剖析利用预演习的 BERT 模型将新闻文章分类为正面或负面感情。
5. 傅里叶变换
用于提取全局和局部趋势(以及去噪)
6. ARIMA预测
ARIMA 是一种利用滞后回归和自干系的预测方法。 剖析用于提取新特色并去噪。
7.XGBoost特色主要性
该剖析利用 xgboost 模型来创建特色主要性。
8.天生对抗网络(GAN)
GS 股票的未来格局该当大致相同(除非发生剧烈变革)。 GAN 将许可我们在未来天生与历史数据具有类似分布的数据。