深度学习 | 基于LSTM模型的黄金期货价格预测

DataCharm

发布于 2021-04-16 11:46:08

2.5K0

发布于 2021-04-16 11:46:08

文章被收录于专栏：数据学术商业新闻数据学术商业新闻

应广大读者盆友的建议，本期主题是基于LSTM网络对黄金期货价格进行预测。

1.LSTM网络搭建

"LSTM”通常称之为长短期记忆网络，它能够学习长期的规律，且能够从历史规律中提取信息并预测未来的走势。
基于Keras进行LSTM模型搭建如下：

model = Sequential()
model.add(LSTM(1024, input_shape=(None,1)))
model.add(Dense(1024,activation="relu"))
model.add(Dense(512,activation="relu"))
model.add(Dense(256,activation="relu"))
model.add(Dense(128,activation="relu"))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')

2.数据处理

本文数据集为黄金期货价格，可从：https://cn.investing.com/commodities/gold-historical-data进行下载。（单位 : 1金衡盎司 = 31.1034768克）

2.1利用pandas读取数据集

import pandas as pd
df = pd.read_excel(r"*\LSTM介绍\黄金期货历史价格.xlsx")
df[["日期","开盘"]]

数据集共有10469条数据，其中包含日期和开盘价信息。

2.2 生成训练集和测试集，其中训练集占90%，测试集占10% 。

dataset = df["开盘"].values
# 将整型变为float
dataset = dataset.astype('float32')
train_size = int(len(dataset) * 0.9)
trainlist = dataset[:train_size]
testlist = dataset[train_size:]

2.3 生成时序样本,这里通过前15天的开盘价预测明天的开盘价，所以look_back = 15。

import numpy as np
def create_dataset(dataset, look_back):
    dataX, dataY = [], []
    for i in range(len(dataset)-look_back-1):
        a = dataset[i:(i+look_back)]
        dataX.append(a)
        dataY.append(dataset[i + look_back])
    return np.array(dataX),np.array(dataY)
look_back = 15
trainX,trainY  = create_dataset(trainlist,look_back)
testX,testY = create_dataset(testlist,look_back)

3.模型训练

3.1本次实验共训练了99轮，每批次输入128个数据对进模型

model.fit(trainX, trainY, epochs=99, batch_size=128, verbose=1)

3.2 对最终模型进行评价

trainPredict = model.predict(trainX)
testPredict = model.predict(testX)
plt.plot(trainY)
plt.plot(trainPredict[1:])
plt.show()
plt.plot(testY)
plt.plot(testPredict[1:])
plt.show()

from sklearn.metrics import r2_score, mean_squared_error
c = testPredict.ravel()
DNN_r2 = r2_score(testY, c)
print('LSTM模型的R平方值为：',DNN_r2)
DNN_MSE = mean_squared_error(testY, c)
print('LSTM模型的MSE 值为：',DNN_MSE)

LSTM模型R2 = 0.958 ; MSE = 1863.5264

4.黄金价格预测

通过官网：https://cn.investing.com/commodities/gold-historical-data下载了前15个交易日的黄金期货开盘价。

pre_df = pd.read_excel(r"*\LSTM介绍\预测.xlsx")
pre_df_x = np.array(pre_df["开盘"].iloc[::-1])
pre_df_x = pre_df_x.reshape(1,15,1)
Predict = model.predict(pre_df_x)
print("2021年3月24日的黄金期货开盘预测价为：",Predict)