基于LSTM的股票价格预测

摘要

本课设旨在利用LSTM（长短期记忆）网络实现股票价格预测，通过收集、预处理股票数据集，并构建预测模型进行训练与优化。实验结果显示，经过优化调整模型参数，模型在测试集上取得了较为理想的预测效果。尽管存在部分预测不准确的情况，总体而言，该模型在股票价格预测任务中表现良好，具有实际应用的潜力和效果。

导入必要的库

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import torch
import torch.nn as nn
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from torch.utils.data import Dataset, DataLoader

加载数据集

该项目所用数据来自飞浆开源数据集，数据集采用的是上证指数的股票
数据集包含10列 (股票来源、日期、开盘价、收盘价、最低价、最高价、交易量、交易额、跌涨幅、后一天最高价) ，共有6109天的股票数据
该项目中，我们利用历史数据中的开盘价、收盘价、最低价、最高价、交易量、交易额、跌涨幅来对下一日的最高价进行预测

数据集中所有数据都来自同一支股票，同时按照时间顺序排列好，从1990年12月20日到2015年12月10日，共6106条数据

#导入数据
data=pd.read_csv(r'.\datasets\stock_dataset.csv')
df=pd.DataFrame(data)
dataset = df.iloc[:,2:].to_numpy()
df.head()

股票价格走势图像这里我们对股票的每日的最高价格进行显示

df=pd.DataFrame(data,columns=['high'])
plt.plot(df)
plt.show()

数据预处理

数据预处理，这里因为所有数据都是存在的，所以不用再检查缺失值

# 3.1 得到训练数据与对应label
X = np.array(dataset[:,:-1])
y = np.array(dataset[:,-1])

# 3.2 标准化处理,归一化
st = StandardScaler()
X = st.fit_transform(X)
y = y / 1000

# 3.3 划分训练集和测试集 按照9：1的概率划分
X_train = X[0:int(len(X)*0.9),:]
y_train = y[0:int(len(y)*0.9)]
X_test = X[int(len(X)*0.9):,:]
y_test = y[int(len(y)*0.9):]

# 3.4 定义 PyTorch Dataset 类
class MyDataset(Dataset):
    def __init__(self, x, y, sequence_length):
        self.x = x
        self.y = y
        self.sequence_length = sequence_length

    def __len__(self):
        return len(self.x) - self.sequence_length

    def __getitem__(self, idx):
        return (
            torch.tensor(self.x[idx:idx+self.sequence_length], dtype=torch.float),
            torch.tensor(self.y[idx+self.sequence_length], dtype=torch.float),
        )

# 3.5 根据划分的训练集测试集生成需要的时间序列样本数据, 预测长度定为14，及根据前13天数据 预测后一天数据
sequence_length = 14
dataset_train = MyDataset(X_train, y_train, sequence_length)
train_dataloader = DataLoader(dataset_train, batch_size=64, shuffle=True)
dataset_test = MyDataset(X_test, y_test, sequence_length)
test_dataloader = DataLoader(dataset_test, batch_size=64, shuffle=False)  # 不需要打乱测试集

搭建模型

# 4.1 LSTM 模型
class LSTMModel(nn.Module):
    def __init__(self, input_size, hidden_size, num_layers, output_size):
        super(LSTMModel, self).__init__()
        self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True)
        self.fc = nn.Linear(hidden_size, output_size)
        self.init_weights()

    def forward(self, x):
        out, _ = self.lstm(x)
        out = self.fc(out[:, -1, :])  # 使用最后一个时间步的输出
        return out

    def init_weights(self):
        # 设置随机数种子
        torch.manual_seed(42)

        # 遍历 LSTM 层的参数，对参数进行初始化
        for name, param in self.named_parameters():
            if 'weight' in name:
                nn.init.normal_(param, mean=0, std=0.1)  # 使用正态分布初始化权重
            elif 'bias' in name:
                nn.init.constant_(param, 0)  # 将偏置项初始化为零

训练模型

# 5.1 初始化模型、损失函数和优化器
略

# 初始化最佳模型参数和最佳验证损失
best_model_params = model.state_dict()
best_val_loss = float('inf')

# 5.2 训练模型
num_epochs = 50
train_loss_list = []
val_loss_list = []
for epoch in range(num_epochs):
    train_loss = 0
    for batch_input, batch_target in train_dataloader:
        optimizer.zero_grad()
        output = model(batch_input)
        loss = criterion(output.squeeze(), batch_target)
        train_loss+=loss
        loss.backward()
        optimizer.step()
    train_loss = train_loss/len(train_dataloader)
    train_loss_list.append(train_loss.item())

    # 在验证集上计算损失并保存最佳模型
    with torch.no_grad():
        val_losses = []
        for val_batch_input, val_batch_target in test_dataloader:
            val_output = model(val_batch_input)
            val_loss = criterion(val_output.squeeze(), val_batch_target)
            val_losses.append(val_loss.item())
        avg_val_loss = np.mean(val_losses)
        val_loss_list.append(avg_val_loss)

        if avg_val_loss < best_val_loss:
            best_val_loss = avg_val_loss
            best_model_params = model.state_dict()
            torch.save(best_model_params, './best_model_LSTM.pth', _use_new_zipfile_serialization=False)

    print(f'Epoch [{epoch+1}/{num_epochs}], Training Loss: {train_loss.item():.4f}, Validation Loss: {avg_val_loss:.4f}')

# 5.3 绘制损失曲线
plt.title("Training loss curve")
plt.plot(train_loss_list)
plt.xlabel("Epoch")
plt.ylabel("Loss value")
plt.show()

模型推理

# 6.1 加载模型
model_lstm = LSTMModel(input_size, hidden_size, num_layers, output_size)
model_lstm.load_state_dict(torch.load('./best_model_LSTM.pth'))

# 6.2 将数据集重新按照长度为14的序列进行划分, 以此划分方式，前sequence_length-1个的结果不会被预测，所以真实值中也应去除
res = []
for idx in range(0, len(X)- sequence_length):
    res.append(X[idx:idx+sequence_length])
res = torch.stack(res, dim=0)

# 6.3 开始推理
with torch.no_grad():
    val_output = model_lstm(res)

# 6.4 将推理结果 与 实际结果绘图进行比较
plt.plot(val_output*1000, label='predict')
plt.plot(y[sequence_length:]*1000, label='real')
plt.xlabel("date")
plt.ylabel("value")
plt.legend()
plt.show()