腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
搜索
关闭
文章
问答
(9999+)
视频
开发者手册
清单
用户
专栏
沙龙
全部问答
原创问答
Stack Exchange问答
更多筛选
回答情况:
全部
有回答
回答已采纳
提问时间:
不限
一周内
一月内
三月内
一年内
问题标签:
未找到与 相关的标签
筛选
重置
1
回答
Python
股市
预测
代码
订单卖出条件:当天所有数据帧(5min、15min、60min、day)出现卖出信号( Signal ==-1)时,返回日期和收盘价。当5分钟,15分钟,60分钟信号匹配时,我可以生成订单信号(我没有使用来自日期条的信号,因为我不能将它添加到"dfall“数据帧中。需要解决此问题才能获得更好的排序信号) order_buy_5 = dfall['Signal_5']==1 order_b
浏览 3
提问于2018-04-22
得票数 0
3
回答
用于
股市
预测
的情绪词典
我正在制作一个股票市场预报器机器学习应用程序,它将尝试
预测
某个股票的价格。出于这个原因,它将获取关于该特定公司的新闻文章/tweet以及该公司的历史数据。我不想训练一个模型来给我情绪评分,相反,我想要一个包含一袋与
股市
和金融相关的词汇的情绪词典。谢谢
浏览 1
提问于2018-03-19
得票数 2
1
回答
股市
预测
的支持向量机或反向传播
我应该用什么来
预测
股市
,为什么?如果可以的话请比较一下。 Udpated:我想用它来做1 day.Also的股票市场行情(上下),谢谢你的回答,它停了下来
浏览 2
修改于2015-10-18
得票数 1
回答已采纳
2
回答
未来(>1天)的神经网络
股市
预测
接近指数行为
我想用PyTorch中的神经网络来
预测
特定股票的走势。我跟随一本指南来了解这类程序的基本结构。然而,本指南仅适用于基于x上一天的股票价值(回溯)的单日
预测
。我的目的是看看这些
预测
是否能进一步
预测
未来,就像过去的单日
预测
一样。因此,我修改了程序,使递归
预测
,根据以前的
预测
值的神经网络。基本上,我一开始就做了一个为期一天的
预测
,将值附加到进行前一次
预测
的回溯数组中,并使用第一天的
预测
值和前几天的给定值对第二天进行了新的<
浏览 0
修改于2021-04-22
得票数 1
1
回答
如何规范神经网络
预测
股市
输入[python]
我正在尝试实现一个
预测
python股票市场的神经网络。在输入中,我有一个2d的numpy数组,我想将数据规范化。我试过使用这段代码,但我没有--这是这类任务的最佳选择。
浏览 1
修改于2016-12-15
得票数 3
回答已采纳
1
回答
基于支持向量回归的
股市
数据
预测
我自己编写了这个支持向量回归(SVR),它遵循日记中的一些公式(参见这里,或这里 (非英语))。日志和下面的代码使用的损失函数是平均绝对百分比误差(MAPE)。我怎样才能让它跑得更快?我是Python的初学者(第一次用Python编写代码)。您可以在这里看到代码:SVRpython.py或更低版本:import pandas as pdimport math import
浏览 0
修改于2020-02-05
得票数 2
回答已采纳
1
回答
在多变量时间
预测
LSTM模型中
预测
未来值
我对如何用时间序列多变量LSTM模型
预测
未来的结果感到困惑。我正在尝试构建一个用于
股市
预测
的模型,我有以下数据特性如果我用到今天为止的5年数据训练我的模型,我想
预测
明天的ClosePrice,本质上我需要
预测
明天的所有数据特征。这就是我困惑的地方……因为如果所有的数据特征都是相互依赖的,那么当明天的所有数据特征仍然未知时,我如何
预测
未来的某一天呢?有没有人有关于如何处理这个问题的示例代码?
浏览 14
提问于2019-07-23
得票数 0
回答已采纳
1
回答
神经网络能检测输入延迟影响吗?
通过给出美元价格和通货膨胀率作为输入,试图建立一个
预测
股市
总指数的模型,我确信,通过改变美元价格的价值,股票市场将在10-20天后受到影响! 神经网络模型能检测输入对未来输出的影响吗?
浏览 0
修改于2020-10-17
得票数 -1
1
回答
时间序列数据和ML分离训练/测试数据
我正在用XGBoost来尝试基于社交媒体情绪来
预测
股市
的走向。
浏览 0
提问于2020-07-06
得票数 1
回答已采纳
3
回答
在股票市场
预测
或相关书籍中使用的模型有哪些例子?
我正在为一个计算机科学项目做一个关于
股市
预测
方法的调查,它们是如何工作和比较的。我知道神经网络,我的项目最初是以神经网络为基础的,但在看了这个问题的回答后: 我认为最好是看一下整个领域。
浏览 0
修改于2017-05-23
得票数 5
1
回答
如何利用RNN的LSTM方法对时间序列模型进行
预测
?
本文试图利用RNN的LSTM模型进行
股市
预测
。x_test本质上是由我们试图
预测
的时间序列数据的值组成的。如果我们将x_test插入到model.predict()中,那么我们实际上是在输入我们要在模型中
预测
的值。那就是说,我们没有进行任何
预测
。为什么我们要在模型中输入x_test数据(也就是要
预测
的数据)来实现对未来值的
预测
?
浏览 4
修改于2022-07-25
得票数 0
1
回答
读取csv文件后,is infinite返回true
df2 = pd.read_csv(name2, index_col=0, parse_dates=True) 这是用于
股市
预测
的算法。
浏览 26
提问于2019-03-10
得票数 0
回答已采纳
3
回答
有偏随机数源
我没有一个特别的应用程序,但是假设我想玩一些愚蠢的
股市
预测
算法-如果我只是使用一个标准的随机数生成器来获得我的测试数据,它将全部在.5附近徘徊,甚至在很短的时间间隔内,这不会真正产生股票市场通常在一天中产生的那种数据我猜你可以将rngs堆叠在另一个之上,一个较大的数值表示全天值,一个较小的数值每小时,以及一个数值仍然是每秒,将它们加在一起得到一个更像步长的模式,但这真的太可
预测
了-作为开发人员,你知道这些步骤将在哪里(据我所知,真实的
股市
数据不能以原始形式免费获得) 那么,我们可以去寻找免费的,容易访问的,快速流动的,“有
浏览 1
修改于2015-09-22
得票数 1
回答已采纳
4
回答
如何利用LSTM Keras
预测
未来股票
我学习了大部分关于
股市
预测
的教程,它们几乎都是一样的。这些教程使用数据集并分成两组。第一组是训练集,第二组是测试集。他们利用股票的收盘价来训练和制作模型。然后他们说,实际的和
预测
的图表几乎是一样的。本教程的github回购。- --这是我的问题, 1。为什么所有的教程都在测试集中设置收盘价?他们只应该插入日期,对吗?因为我们在
预测
收盘价。2.没有人告诉我如何
预测
未来7天的数值。那么,如果我们有一个模型,如何获得下一个7天的收盘价? 请帮助我澄清这一点。非常感谢。
浏览 5
提问于2020-02-18
得票数 6
1
回答
股票市场
预测
的遗传算法适应度函数
我已经在
股市
预测
方面工作了几个月,但找不到任何相关的信息。我用谷歌搜索了一下,找到了一些研究论文,但不幸的是,它们只提到了遗传算法的工作原理。我已经知道了。我需要设计一个适应度函数来
预测
股票市场我已经从股票市场得到了真实的数据。
浏览 1
提问于2013-03-14
得票数 0
回答已采纳
1
回答
基于连续隐马尔可夫模型的时间序列
预测
步骤
我正试图用高斯HMM来
预测
股市
。我不知道
预测
步骤是如何在模型训练之后完成的。我不明白如何准确地
预测
最可能的状态序列可以帮助
预测
未来的价值。以发射分布的最后一个隐藏状态,并
预测
,例如,平均分布(往往是高斯的)。”我使用hmmlearn在python中提供的函数训练了我的模型。我还将Viterbi算法应用于样本上,以
预测
可能的隐藏状态序列。但在那之后我不知道该怎么办。我不擅长连续的数学,嗯。请告诉我准确
浏览 0
修改于2018-12-29
得票数 11
2
回答
集成学习
我目前正在建立一个
预测
股市
的数学模型。我了解到,做这种事情的最好方法不再是做一个大的最好的模型,而是把几个模型聚集在一起,这样就可以得到最好的结果。这种技术称为集成学习。
浏览 0
修改于2017-04-18
得票数 0
1
回答
R中“`arima()”模型拟合后的
预测
与绘图
仅仅了解了时间序列,并以作为的指南:
预测
股市
未来回报的徒劳尝试……只是一个理解时间序列概念的练习。 library(quantmod)librarylength(dow) - (0.9*length(dow))))$predplot(fo
浏览 6
提问于2016-07-20
得票数 4
0
回答
LSTM和标签
让我们从“我知道ML不能比猴子更好地
预测
股市
”开始。但我只想坚持到底。 我的问题是一个现实的问题。假设我有date、open、high、low、close作为列。
浏览 23
提问于2018-07-14
得票数 2
回答已采纳
2
回答
如何从GoogleFinance获取特定日期的价格?
我尝试使用下面的语法获取特定日期的收盘价:虽然它对美国
股市
非常有效,但对印度
股市
的结果却是不正确的
浏览 14
修改于2020-07-12
得票数 1
回答已采纳
第 2 页
第 3 页
第 4 页
第 5 页
第 6 页
第 7 页
第 8 页
第 9 页
第 10 页
第 11 页
点击加载更多
领券