准备资料

etf50_df = pd.read_csv("data/ETF50.csv", dtype={"STOCK_ID": str})
etf50_id = etf50_df.loc[:, "STOCK_ID"]

data_df = load_stock(stock_index, start_year=2011, end_year=2021)
data_df

资料工程与正规化

从之前的实验我们可以知道，比起直接使用原始资料，
将资料数值间的差值可以获得更好的效果，
最後使用ZScore Normalize避免特徵间的数值差异影响输出结果

norm_df = data_df

norm_df.loc[:, "Open"] = norm_df["Open"] - norm_df["Close"]
norm_df.loc[:, "High"] = norm_df["High"] - norm_df["Close"]
norm_df.loc[:, "Low"] = norm_df["Low"] - norm_df["Close"]
norm_df.loc[:, "Close"] = norm_df["Close"] - norm_df["Close"].shift(1)
norm_df = (norm_df - norm_df.mean()) / norm_df.std()
norm_df = norm_df.dropna()
norm_df

训练集与测试集

一样记得别把未来资料带进去了。

train_mask = (data_df.index > "2014-01-01") & (data_df.index < "2018-12-31")
test_mask = (data_df.index > "2019-01-01") & (data_df.index < "2019-12-31")


X_train = data_df[test_mask]
y_train = data_df["Close"].shift(-1)[train_mask]

X_test = data_df[test_mask]
y_test = data_df["Close"].shift(-1)[test_mask]

print(X_train.shape, y_train.shape)
print(X_test.shape, y_test.shape)

转换时间窗格式

如果是在4年前，我们会需要写一堆pandas或numpy程序，
去将资料转换成lstm使用的时间序列格式，然而现在2021只要使用套版函式就好了。

watch_days = 10
# data shape = 128 * 10 * 5
data_gen = TimeseriesGenerator(
    X_train, y_train, length=watch_days, sampling_rate=1, batch_size=128
)

模型建构与训练

model = Sequential()
model.add(LSTM(100, activation="relu", input_shape=(watch_days, 5)))
model.add(Dense(1))
model.compile(optimizer="adam", loss="mse")
# fit model
model.fit_generator(data_gen, steps_per_epoch=1, epochs=500, verbose=0)

额外参考资料

• LSTM与RNN原理教学
• 文章预判LSTM使用范例