Predicción del precio de las acciones de CNN-LSTM basada en la red bayesiana
En el campo financiero, la predicción del precio de las acciones siempre ha sido un problema muy preocupante y desafiante. Los métodos tradicionales suelen utilizar modelos de series temporales, pero estos modelos a menudo no pueden tener en cuenta la compleja relación entre los factores relacionados. Este artículo propone un modelo híbrido basado en Bayesian Networks, CNN y LSTM destinado a predecir los precios de las acciones con mayor precisión.
El papel de la red bayesiana es capturar las dependencias entre factores relevantes, mientras que CNN puede extraer de manera efectiva información de características en datos de series temporales. Los LSTM son adecuados para tratar dependencias a largo plazo y relaciones no lineales. Por lo tanto, todo el modelo combina orgánicamente la red bayesiana, CNN y LSTM.
Estos son los pasos principales del modelo:
-
Recopilación de datos: obtenga datos históricos de Apple Inc (AAPL) de Yahoo Finance, incluido el volumen diario de apertura, máximo, mínimo, cierre y negociación.
-
Preprocesamiento de datos: Transforme datos sin procesar en datos de series temporales uniformes a través de la transformación logarítmica, la normalización y el procesamiento de diferencias.
-
Modelado de red bayesiana: con la biblioteca de redes bayesianas de Python, se construyó un modelo de red bayesiana a partir de los datos de series temporales procesados.
-
Establecimiento del modelo CNN-LSTM: la estructura de red bayesiana y el marco CNN-LSTM se combinan, la entrada son los datos de la serie temporal previamente procesados y la salida es el precio de las acciones del día siguiente.
-
Entrene y pruebe: use la estimación de máxima verosimilitud para entrenar el modelo y comparar los resultados en el conjunto de prueba con la realidad del terreno. El rendimiento del modelo se evaluó mediante el error cuadrático medio y el error absoluto medio.
Aquí está el código completo de Python:
# 导入必要的库
import pandas as