Инвестиционные фирмы, хедж-фонды и частные лица уже давно используют финансовые модели, чтобы лучше понимать поведение рынка и делать прибыльные инвестиции. С появлением машинного обучения и искусственного интеллекта этот подход эволюционировал, что привело к появлению более сложных и точных моделей, способных обрабатывать огромные объемы данных и выполнять сложные вычисления 1. В этой статье рассматривается инновационный проект, который использует нейронные сети глубокого обучения и долговременной памяти (LSTM) для прогнозирования цен на акции. Основное внимание в исследовании уделяется технологическим гигантам, таким как Apple, Google, Tesla, Microsoft и Amazon, с использованием их огромного количества исторических цен на акции и данных о производительности компаний.
В качестве основы проекта используется модель ARIMA, а поверх нее построена модель глубокого обучения для дальнейшего уточнения прогнозов. Нейронная сеть LSTM тщательно разработана с использованием многоэтапного подхода с режимом прямой проверки. Сеть использует предыдущие пять значений временного ряда в качестве входных данных, учитывая данные за одну неделю, и учитывает только атрибут конечного значения. Модель состоит из нескольких слоев, каждый из которых играет решающую роль в интерпретации данных и прогнозировании значений закрытия следующей недели.
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns
Он импортирует необходимые библиотеки для анализа и визуализации данных: numpy
, pandas
, matplotlib.pyplot
и seaborn
. Эти библиотеки предоставляют различные функции и инструменты для работы с данными и создания графиков.
Импортируя numpy
как np
, вы можете использовать функции и структуры данных, предоставляемые библиотекой numpy
, используя префикс np
. Точно так же pandas
импортируется как pd
, что позволяет вам обращаться к pandas
функциям и структурам данных, используя префикс pd
.
matplotlib.pyplot
импортируется как plt
, который является подмодулем библиотеки matplotlib
. Он предоставляет удобный интерфейс для создания и настройки графиков. Seaborn импортируется как sns, который представляет собой библиотеку визуализации данных на основе Matplotlib. Он предоставляет дополнительные функциональные и эстетические улучшения для создания привлекательной статистической графики. В целом он подготавливает среду для анализа и визуализации данных. Импортированные библиотеки можно использовать для манипулирования данными, выполнения расчетов и создания визуализаций.