距离上一篇文章，正好两个星期。 这篇文章9月15日 16：30 开始写。 可能几个小时后就写完了。
用一句粗俗的话说， “当你怀孕的时候，别人都知道你怀孕了， 但不知道你被日了多少回 ” ，纪念
这两周的熬夜，熬夜。 因为某些原因，文章发布的有点仓促，本来应该再整理实验和代码比较合适。
文章都是两个主要作用： 对自己的工作总结， 方便自己回顾和分享给有兴趣的朋友。
不说废话了， 进入正题。 本次的课题很简单， 深度神经网络（AI）来预测5日和22日后的走势。 （22日
尚未整理， 不表）。
先上个工作流程图， 也基本上是本文章的脉络：
先说金融需求， 我很希望能预测股票5日后的情况或者22日后的情况。如果知道5日后能涨个10%，概率达到70%以上。
我想肯定会很受用。 因此我把5日后的收盘价格，作为我预测（分类）的目标。
在整个工作过程中， 搭建数据环境和数据整理清洗，耗费了我50%以上的时间。 而且还在我有有基本数据的基础上。
搭建数据环境，就是根据我的目标，提出所需的训练数据的需求。 然后整理基础数据，形成相关数据及数据调用的接口。方便我
很快的获得训练数据。 我所需要的数据包括：股票代码，日线数据，分红数据，等其它。 整理后的数据包括各项均线。 细节不表。
数据整理清洗，说一下我的处理：
1. 所有参加训练的数据均不包括分红相关，感觉前复权后复权太复杂，且与实际不符，直接过滤。
2. 数据我只包含2017年1月到7月数据。 有人会说数据太少，且对股市来说周期不全，会直接影响最后的使用。这个等下稍微
再做补充说明。
3. 所有数据训练前做归一化处理， 包括价格，成交量，成交金额，涨幅，均线等。
4. 所有数据训练前，做打乱处理。
5. 数据等量分布
（还有其它处理，想起来再做补充）
只有2017年的数据，我是这么想的， 上半年的基本面基本相同， 1～7月份的情况，应该可以适合 9，10月份。
股票是有周期性的， 快速上涨（疯狂）， 和快速下跌，与平时状态是不一样。 所以有意识的分阶段预测有必要性。
自身原因： 机器性能有限，过量的数据训练，时间消耗太大。
当然，全数据（全金融周期）的训练，肯定会进行的。
说一下目标分类：
目标为 5日后的收盘价格， 预测数据是前21日的 o c h l, v ,amout, zf , 均线 等。
数据分为 5类 ， 类0， 类1 ， 类2， 类3， 类4
标准： ～-10 % ， -10 %～-1 %， -1～2 %， 2 %～10 %， 10 %～
应该很好理解吧， 就是5日后收盘价 比今日收盘价低 10%以上为 0类， 如果是10%以上为 4类
接下去就是上主要代码了，发布主要代码。
建立LSTM神经网络：
def buildlstm():
# expected input data shape: (batch_size, timesteps, data_dim)
model = Sequential()
model.add(LSTM(nUnits, return_sequences=True, input_shape=(timesteps, data_dim)))
model.add(Dropout(0.2))
model.add(LSTM(nUnits, return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(nUnits))
# model.add(Dense(128, activation=\'relu\'))
# model.add(Dropout(0.2))
# model.add(Dense(64, activation=\'relu\'))
# model.add(Dropout(0.2))
model.add(Dense(32, activation=\'relu\'))
model.add(Dropout(0.2))
model.add(Dense(5, activation=\'softmax\'))
model.compile(loss=\'categorical_crossentropy\',
optimizer=\'rmsprop\',
metrics=[\'accuracy\'])
print model.summary()
return model
pass
主流程：
def run():
if (os.path.exists(destfile) == True):
X = pd.read_hdf(destfile, \'data\')
y = pd.read_hdf(destfile, \'label\')
codedtlist = pd.read_hdf(destfile, \'codedt\')
X = np.array(X)
y = np.array(y)
codedtlist = np.array(codedtlist)
else:
X, y, codedtlist = makedata()
df = pd.DataFrame(X)
df.to_hdf(destfile, \'data\')
df = pd.DataFrame(y)
df.to_hdf(destfile, \'label\')
df = pd.DataFrame(codedtlist)
df.to_hdf(destfile, \'codedt\')
print \'read file:\'
print codedtlist[:10]
print y[:10]
X, y, codedtlist = dataDoByYsite(X, y, codedtlist)
X, y, codedtlist = dataDaluan(X, y, codedtlist)
print \'ByYsite and Daluan :\'
print codedtlist[:10]
print y[:10]
print len(X)
maxLen = len(X)
splen = maxLen * 90 / 100
X_train, X_test = X[:splen], X[splen:]
y_train, y_test = y[:splen], y[splen:]
codedt_train, codedt_test = codedtlist[:splen], codedtlist[splen:]
model = buildlstm()
TrainMode(X_train, y_train, model)
TestMode(X_test, y_test, model, codedt=codedt_test)
model.save_weights(\'Result/lstm_class5_2017_debug\' + \'_V1.2\' + \'.h5\')
pass
训练预测前， 我们数据 类4， 是 5657 ： 233000， 也就是说，你随机选，大概选 50 个股票会中一个5天内涨 10%的。
很多人想着急看到结果， 想看结果的到文章最后看吧。
下面开始说分析调优， 我认为这是量化交易最重要的工作之一， 另外一个之一就是构建更复杂的神经网络提高 准确率。
第一轮结果，我用全数据训练，达到大概 0.5xxx 的ACC 。 然后我把测试数据和预测数据做了对比，结果概率高达多 80%.
然后我去看数据， 一看，发现有问题了。 因为数据基本集中在 类2， 所以在训练的时候， AI( AI并不AI ), 就很聪明的
往类2 靠， 这样能很快提高准确率。 其实对我们有意义的是类4的预测。
第二轮训练测试， 我把所有分类，整成等量的，再做预测。 结果同样达到 达到大概 0.5xxx 的ACC， 同样能把测试数据和
预测数据做了对比，相似度最高的前20条， 高达90%。 吓了我一跳， 还好我也是见过世面的人， 马上稳定下来查问题。
因为我觉得这么高的成功率，我成神仙了， 或者说AI成神仙了。 所以说这数据是不符合现实的。
第三轮训练测试， 等量分类训练数据， 全量预测数据。
直接说重点 ： 我把中奖率从 2% 提高到了 25%。 也就是 4个股票，其中有1个可以在未来5天内达到 10%。
实际与预测截图：
相似度大于 0.50 分（满分为1分） 准确率统计：
再做精细统计：
通俗的表达就是， 选相似度大于 95% 的 类4 预测， 就能达到 4个股票 有 1 个股票5天内能达到 10%。
有没价值， 金融领域的朋友可能比较清楚。
为了防范风险， 再做一个风险统计：
说明： 统计这个的目的是， 万一 我不是 4选1 （ 类4）， 而是4选3了， 那我就成了另外的4类了。 踩地雷
的概率是多少呢？ 这个表就是说明这个情况。
预测仅仅是量化的开始， 后面还有仓控，资金控制等。 一个好的入场会为后续管理提供更大的操作空间。
That is all ! 文章就此结束。
顺便说一下接下想做点什么事情：
1. 预测实盘， 我搭建的环境是一个研究环境， 所以做实盘环境，还得熬夜。（实盘很重要， 是狗是猫，总得拿出来遛遛 ）
2. 再研究， 在此数据基础上， 再提升（方法一：提升网络模型， 方法二：根据预测数据 二次删选）
3. 我向往的强化学习
有对 金融程序化 和 深度学习结合有兴趣的可以加群 ， 个人群： 杭州程序化交易群 375129936
