如何使用 LSTM Keras 预测未来库存

Question

首先，我必须说，我是这个 AI 事物的初学者。我遵循了大多数关于股市预测的教程，它们几乎都一样。这些教程使用一个数据集并分成两组。第一个是训练集，第二个是测试集。他们正在使用股票的收盘价来训练和制作模型。从该模型中，他们插入包含收盘价并显示两个图表的测试数据集。然后他们说实际和预测的图表几乎相同。 本教程的 github 存储库。 - https://github.com/surajr/Stock-Predictor-using-LSTM/blob/master/Stock-Predictor-using-LSTM.ipynb 这是我的问题， 1. 为什么所有这些教程也将收盘价放在测试集中？他们只是假设插入日期对吗？因为我们在预测收盘价。这令人困惑。请解释一下。 2. 没有人告诉我如何预测未来 7 天的价值。那么如果我们有一个模型，如何获得下一个 7 天的收盘价呢？

请帮我澄清一下。非常感谢。

Answer 1

看看这个链接。我认为它会让你朝着正确的方向前进。

https://www.datacamp.com/community/tutorials/lstm-python-stock-market

Answer 2

为什么所有这些教程也将收盘价放在测试集中？

最终目标是预测走势（增长），即收盘价减去开盘价。最终模型是计算测试数据集的增长非常接近实际增长的模型。增长是模型试图解决的主要问题，也是您计算训练模型准确度时的参考点。

他们只是假设插入日期对吗？因为我们在预测收盘价

模型根据给定因素预测增长。对于一家公司，每天都有许多量化的因素。我怀疑您所做的教程使用了为特定日期和不同股票提取的测试集。就像在 1 月 10 日提取所有公司的所有参数一样，然后检查训练模型的准确性。另一方面，训练集大部分时间都包含超过一天的股票。

没有人告诉我如何预测未来 7 天的值。那么如果我们有一个模型，如何获得下一个 7 天的收盘价呢？

要相对准确地预测股票价格，您需要一个训练有素的模型。为此，您需要根据许多因素来训练您的模型。同一模型无法预测不同国家的库存。一种模型可能适用于预测科技股 (AAPL)，但不适用于其他领域。

总的来说，这是一个复杂的主题。财务顾问为了使用可靠的模型而支付大量资金。他们中的大多数人根据客户的投资组合使用多种模型。这些教程向您介绍该主题并教您主要概念。恕我直言，我想说下一步是学习然后在 Kaggle 中竞争。

Answer 3

在训练集中，收盘价作为输入包含在内，因为它与“第二天”价格或“X 天内的价格”相关（对于预测超过 1 天价格变动的模型）。

注意，在训练数据中，通常未来价格（今天 + 1 天）是目标值 (train_Y)。

在测试数据中，包含收盘数据，因为测试数据是预测“未来价格”。

在确定模型的准确性时，将 (today + X days) 的价格预测与未来值 (test_Y) 进行比较，以确定预测的有效性。就像人类股票交易员一样，如果您猜测/预测未来价格是否为 Y（即上涨/下跌），那么您将可以访问当天的收盘价......这就是为什么它是相关输入。显然，在真实世界的模型中，预测的准确性只有在 X 天过去后才能知道。在训练和测试模型时，通常数据是历史数据，因此样本外的值（例如今天的价格 + X 天的价格）用于确定准确度，尽管 FUTURE 值绝对不应该作为输入。

Answer 4

1. 为什么所有这些教程也将收盘价放在测试集中？ -> 很容易理解，收盘价是一种计算股票价格所需的输入变量。

2. 当我看到代码时，它似乎可以预测具有 22 天历史的股票价格

X_train (1173, 22, 3) y_train (1173,) X_test (130, 22, 3) y_test (130,)

我认为你应该用 (~~~, 7, 3) 重新训练以预测今天之后 7 天的价格。