股票预测需求和技术路径
一、数据准备
（一）给定股票日线数据，txt格式。格式如下:
数据列表内容=['open','high','low','close','vol','value']
（二）每行数据后面增加macd和kdj（仅j线）的日、2日、周、月等四个周期的数据，将macd、kdj（仅j线）多周期叠加作为输入变量。可增加自定义指标。
Macd公式：
input:p(26,20,100),s(12,5,40),m(9,2,60);
DIFF : EMA(CLOSE,S) - EMA(CLOSE,P);
DEA : EMA(DIFF,M);
MACD : 2*(DIFF-DEA), COLORSTICK
Kdj公式：
input:n(9,1,100),p1(3,2,40),p2(3,2,40);
RSV:=(CLOSE-LLV(LOW,N))/(HHV(HIGH,N)-LLV(LOW,N))*100;
K:SMA(RSV,P1,1);
D:SMA(K,P2,1);
J:3*K-2*D;
月、周、2日、日需要你看一下talib，应该可以的。如果不成再商量。
二、构建模型
采用Tensorflow、keras、lstm等技术训练和拟合数据。
（一）训练目标
目标好=20日最大涨幅>30%+20天末期涨幅>0；历史指标输入=20日内macd+kdj（仅j线）多周期叠加到日线。
目标坏=20日最大跌幅>20%+20天末期涨幅<0。
采取三分类法将所有好图形分类，求出好的概率和坏的概率（好图形并不一定都真好）。好的概率=好的数量\本图形总数，坏的概率=坏的数量\本图形总数。
日线横向周期及涨幅可自定义。
（二）训练数据
将历史数据分为训练集、验证集和测试集。
计算三率：
精确率 =真正例数/（真正例数 +假正例数）
召回率 =真正例数/（真正例数 +假负例数）
准确率 =正确的预测数/样本总数
三、预测实现
（一）初步决策概率=实盘个股好的概率-实盘个股坏的概率，并排序。（当前完成此项，其他为后续）。
（二）以上述数据库为基础，逐日推演5天，得出5日平均概率。
（三）综合上述两个概率，得出最终决策概率。
（四）将自定义功能集成到一个对话框。
（五）用统计方式实现上述需求。
http://www.6daixie.com/contents/3/1341.html
我们的方向领域：window编程 数值算法 AI人工智能 金融统计 计量分析 大数据 网络编程 WEB编程 通讯编程 游戏编程多媒体linux 外挂编程 程序API图像处理 嵌入式/单片机 数据库编程 控制台 进程与线程 网络安全 汇编语言 硬件编程 软件设计 工程标准规等。其中代写代做编程语言或工具包括但不限于以下范围:
C/C++/C#代写
Java代写
IT代写
Python代写
辅导编程作业
Matlab代写
Haskell代写
Processing代写
Linux环境搭建
Rust代写
Data Structure Assginment 数据结构代写
MIPS代写
Machine Learning 作业 代写
Oracle/SQL/PostgreSQL/Pig 数据库代写/代做/辅导
Web开发、网站开发、网站作业
ASP.NET网站开发
Finance Insurace Statistics统计、回归、迭代
Prolog代写
Computer Computational method代做
因为专业，所以值得信赖。如有需要，请加QQ：99515681 或邮箱：[email protected]
微信：codinghelp