用LSTM預測股價

撰前小記：

前些時候穿了幾天的薄外套，最終仍是敗給了廣州的天氣（太熱了）。因此今天仍是短袖短褲齊上陣吧，廣州的夜，真不冷。

---

環境準備

本次實驗使用TensorFlow 2.3.1。

import numpy as np
import matplotlib.pyplot as plt
from pandas import read_csv
import math
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error
%matplotlib inline

數據描述

使用了Yahoo! Finance ^GSPC的近五年曆史股價數據，從2015年11月到2020年11月，共1256個。該數據包含天天股價的信息，如Date, Open, High, Low, Close, Adj Close, Volume。

Tips: 股票小知識

• Date：日期
• Open：開盤價（股票在某一天的起始價）
• High：最高價
• Low：最低價
• Close：收盤價（股票在某一天的最終價）
• Adj Close：加權收盤價
• Volume：總交易額

爲簡單起見，只使用收盤價做預測。下圖直觀展現了近五年的收盤價。

代碼：

# 用pandas載入數據集
dataframe = read_csv('data/stock_data.csv', usecols=[4], engine='python', skipfooter=3)
data = dataframe.values

# 將整型變爲float
data = data.astype('float32')
plt.plot(data)
plt.show()

目標

預測將來的股票收盤價，本次預測的是最後56個數據。

構建訓練集與測試集

近五年的收盤價是一個長度爲 N 的時間序列，定義p₀, p₁,...,p_N-1爲每一天的價格。用前 i 個數據預測第 i + 1 個數據構建訓練集與測試集，0 < i < N，即

X ₀ = (p ₀, p ₁,..., p _i-1)
X ₁ = (p _i, p _i+1,..., p _2i-1)
...
X _t = (p _ti, p _ti+1,..., p _(t+1)i-1)

去預測

X _t+1 = (p _(t+1)i, p _(t+1)i+1,..., p _(t+2)i-1)

這裏選擇 i = 6。在LSTM中，time_steps = 6，則訓練集可表示爲

Input ₁ = [p ₀, p ₁, p ₂, p ₃, p ₄, p ₅], Label ₁ = [p ₆]
Input ₂ = [p ₁, p ₂, p ₃, p ₄, p ₅, p ₆], Label ₁ = [p ₇]
Input ₃ = [p ₂, p ₃, p ₄, p ₅, p ₆, p ₇], Label ₁ = [p ₈]

代碼：

# 根據原始數據集構建矩陣
def create_dataset(data, time_steps):
    dataX, dataY = [], []
    for i in range(len(data) - time_steps):
        a = data[i:(i + time_steps), 0]
        dataX.append(a)
        dataY.append(data[i + time_steps, 0])
    return np.array(dataX), np.array(dataY)

設定95.55%爲訓練集，剩下的爲測試集：

# 歸一化
scaler = MinMaxScaler(feature_range=(0, 1))
data = scaler.fit_transform(data)

# 切割爲訓練集和測試集
train_size = int(len(data) * 0.9555)
test_size = len(data) - train_size
train, test = data[0:train_size,:], data[train_size:len(data),:]
time_steps = 6
trainX, trainY = create_dataset(train, time_steps)
testX, testY = create_dataset(test, time_steps)

# reshape輸入模型數據的格式爲：[samples, time steps, features]
trainX = np.reshape(trainX, (trainX.shape[0], trainX.shape[1], 1))
testX = np.reshape(testX, (testX.shape[0], testX.shape[1], 1))

創建並訓練LSTM模型

1層LSTM，隱藏層的神經元個數爲128，輸出層爲1個預測值，迭代次數爲100。

Tips: LSTM參數計算

(hidden size × (hidden size + x_dim) + hidden size) × 4
x_dim爲輸入數據的特徵維度，這裏是1。

代碼：

model = Sequential()
model.add(LSTM(128, input_shape=(time_steps, 1)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
model.summary()
history = model.fit(trainX, trainY, epochs=100, batch_size=64, verbose=1)
score = model.evaluate(testX, testY, batch_size=64, verbose=1)

可視化訓練集的loss函數結果以下圖所示。能夠見到，loss的值逐步收斂。

代碼：

def visualize_loss(history, title):
    loss = history.history["loss"]
    epochs = range(len(loss))
    plt.figure()
    plt.plot(epochs, loss, "b", label="Training loss")
    plt.title(title)
    plt.xlabel("Epochs")
    plt.ylabel("Loss")
    plt.legend()
    plt.show()

visualize_loss(history, "Training Loss")

預測結果

代碼：

# 預測訓練集與測試集
trainPredict = model.predict(trainX)
testPredict = model.predict(testX)

# 對預測結果進行反歸一化處理
trainPredict = scaler.inverse_transform(trainPredict)
trainY = scaler.inverse_transform([trainY])
testPredict = scaler.inverse_transform(testPredict)
testY = scaler.inverse_transform([testY])

# 計算訓練集與測試集的RMSE
trainScore = math.sqrt(mean_squared_error(trainY[0], trainPredict[:,0]))
print('Train Score: %.2f RMSE' % (trainScore))
testScore = math.sqrt(mean_squared_error(testY[0], testPredict[:,0]))
print('Test Score: %.2f RMSE' % (testScore))

# 繪製預測結果圖
trainPredictPlot = np.empty_like(data)
trainPredictPlot[:, :] = np.nan
trainPredictPlot[time_steps:len(trainPredict) + time_steps, :] = trainPredict

testPredictPlot = np.empty_like(data)
testPredictPlot[:, :] = np.nan
testPredictPlot[len(trainPredict) + (time_steps * 2)-1:len(data) - 1, :] = testPredict

plt.plot(scaler.inverse_transform(data))
plt.plot(trainPredictPlot)
plt.plot(testPredictPlot)
plt.show()

上圖中，藍色線是原始數據，橙色線和綠色線分別是訓練集和測試集的預測結果。

參考

https://www.jianshu.com/p/38d...
https://keras.io/examples/tim...