文件名称：MachineLearningStocks：使用python和scikit-learn进行库存预测
文件大小：7.25MB
文件格式：ZIP
更新时间：2024-02-24 01:45:46
python data-science machine-learning tutorial trading
Python中的MachineLearningStocks：入门项目和指南 （ ） MachineLearningStocks被设计为一个直观且高度可扩展的模板项目，将机器学习应用于股票预测。 我的希望是，该项目将帮助您了解使用机器学习预测股票走势的整体工作流程，并欣赏其中的一些精妙之处。 当然，在遵循本指南并完成项目之后，您绝对应该进行自己的改进–如果您正在努力思考该怎么做，那么在本自述文件的最后，我列出了一长串可能性：选择。 具体而言，我们将使用pandas清理并准备历史股票价格和基本面的数据集，此后，我们将使用scikit-learn分类器来发现股票基本面（例如，市盈率，债务/权益，流通量等）之间的关系，以及随后的年度价格变化（与a指数相比）。 然后，在对当前数据生成预测之前，我们进行一次简单的回测。 虽然我不会根据此确切代码的预测进行实时交易，但我确实相信您可以将该项目用作有利可图的交易系统的起点–我实际上已经基于该项目的代码进行实时交易，相当不错结果（回测的回报约为20％，实时交易的回报为10-15％）。 这个项目对我有很多个人意义。 这是我第一个合适的pyth
【文件预览】：
MachineLearningStocks-master
----requirements.txt(145B)
----download_historical_prices.py(3KB)
----LICENSE.txt(1KB)
----sp500_index.csv(223KB)
----stock_prediction.py(2KB)
----current_data.py(5KB)
----utils.py(3KB)
----README.md(21KB)
----tests()
--------__init__.py(0B)
--------test_utils.py(2KB)
--------test_datasets.py(4KB)
--------test_variables.py(1KB)
----keystats.csv(3.21MB)
----stock_prices.csv(14.88MB)
----parsing_keystats.py(8KB)
----forward_sample.csv(163KB)
----backtesting.py(4KB)