①项目采用前沿时序预测的顶会论文作为理论支撑,大部分预测效果中胜率优于60%。采用pytorch的lstm神经网络框架,选取多种信号分解技术与机器学习(kpca-ceemdan-kmeans-vmd)做为特征工程,optuna作为超参优化,并额外为程序配置了线性回归和决策树算法分析股票预测曲线
②导师要求基于某股票数据源做一款金融分析系统,自由选择技术,由此为出发点,对项目进行数次汇报,后期开发主要聚焦于收集问题-重新调整程序功能-程序功能扩展三个环节
具有多种策略功能生成预测曲线,包括lstm、线性回归、机器学习等方法
对股票原始特征进行多重数据分解,旨在获得股票最有时序特征的分量片段
使用者可以对依据预测曲线对股票进行回测,大部分预测效果中胜率优于60%
使用者在程序中的操作只需选取股票代码+股票的范围就能获得数据源,并逐个选项卡按默认配置处理即可得到预测曲线,在程序中再根据预测曲线与股票原始曲线进行对比即可进行股票回测,分析股票价值
程序代码部分由个人全部独立开发,自行选择技术理论支撑,导师指导大致改进方向,开发时间为四周400h,代码量为5000行
技术栈有lstm神经网络,机器学习,特征工程,optuna超参优化