文件名称：股票买卖最佳时机leetcode-stock:股票
文件大小：19.08MB
文件格式：ZIP
更新时间：2024-07-26 21:33:27
系统开源
股票买卖最佳时机leetcode 本项目试图找出日线K线是否可以用于预测A股。 用了两个月，尝试了很多。 一些解释和感谢： 日K线和分钟线数据（开盘价、收盘价、最高价、最低价、换手率），数据来自同大信。 公司基本面的一些信息（市盈率、市价、流通股数、总股数）。 数据来自web.ifzq.gtimg.cn 为了提取 32 天 K 线图像的特征，网络直接使用 MobileNetV2 和 DenseNet。 尝试从 Daily K 线的时间序列数据预测股票，参考 . 尝试使用银行家和零售商之间博弈的思想来预测股票（基于强化学习），参考。 尝试使用银行家和零售商之间的博弈思想来预测股票（基于蒙特卡罗树）。 参考和论文“在没有人类知识的情况下掌握围棋游戏” 由于时间过长，部分测试数据丢失。 一些测试和结论： 单个股票及其对应日期的上交所数据成连续。 连续 100 天构造 10 个 1*100 列向量。 协方差矩阵的元素都趋于零，说明数据（开盘价、收盘价、最高价、最低价、换手率）之间没有相关性，是随机的。 使用 SVD 分解，最大特征向量比其他项大得多。 排序的第二个特征向量对应于 SVD 分解后
【文件预览】：
stock-master
----stockV2.0()
--------transforms.py(2KB)
--------models.py(1KB)
--------main.py(2KB)
--------data_proc.py(3KB)
--------create_net.py(1KB)
--------net.py(5KB)
--------train_proc.py(13KB)
----img()
--------train_164.png(35KB)
--------covmat.png(29KB)
--------000001_20190416.jpg(10KB)
--------stockV2_train_124.png(32KB)
--------right.png(31KB)
--------singular.png(6KB)
--------score.png(18KB)
--------pp.txt(51KB)
--------000001_20130604.png(236KB)
--------000002_20190423.jpg(10KB)
----model()
--------stockV1.0_model_2()
--------stockV1.0_model_1()
----img_RL()
--------experienceReplay.py(3KB)
--------models.py(1KB)
--------main.py(2KB)
--------catch.py(4KB)
--------mobilenetv2.py(4KB)
--------net.py(1021B)
--------train_proc.py(6KB)
----mcts()
--------train.py.bak(6KB)
--------main.py(459B)
--------utils.py(72B)
--------game.py(6KB)
--------train.py(5KB)
--------agz_unformatted_nature .pdf(2.44MB)
--------scene.py(2KB)
--------mcts.py(4KB)
--------game.py.bak(4KB)
--------net.py(4KB)
--------train.py.1(5KB)
----lstm()
--------transforms.py(2KB)
--------models.py(1KB)
--------main.py(2KB)
--------data_proc.py(2KB)
--------attention.py(6KB)
--------create_net.py(1KB)
--------net.py(4KB)
--------p.txt(15KB)
--------train_proc.py(12KB)
----stockV1.0()
--------answer.txt(190KB)
--------models.py(3KB)
--------main.py(2KB)
--------data_proc.py(1KB)
--------create_net.py(1KB)
--------net.py(7KB)
--------train_proc.py(17KB)
----README.md(5KB)
----utils()
--------README.md(718B)
--------stock_img()