问如何利用LSTM Keras预测未来股票

EN

看看这个链接。我想这会让你朝着正确的方向前进。

https://www.datacamp.com/community/tutorials/lstm-python-stock-market

为什么所有这些教程也在测试集中设置收盘价？

最终的目标是预测下跌的开盘价的变动(增长)。最终模型是计算测试数据集中与实际增长非常接近的增长的模型。增长是模型试图解决的主要问题，也是计算训练模型精度时的参照点。

他们只应该插入日期，对吗？因为我们在预测收盘价

该模型是基于给定因素的增长预测模型。对于一家公司来说，每天都有许多量化的因素。我怀疑您确实使用了针对某一天和不同股票提取的测试集。就像提取所有公司的所有参数一样，但只能在1月10日，然后检查经过训练的模型有多精确。另一方面，训练集大部分时间都包含超过一天的股票。

没有人告诉我如何预测未来7天的数值。那么，如果我们有一个模型，如何获得下一个7天的收盘价？

要预测股票价格相对准确，你需要一个训练有素的模型。要做到这一点，您需要根据许多因素对您的模型进行培训。同一模型不能预测不同国家的股票。一种模型可能适用于预测技术库存(AAPL)，但不适用于其他领域。

总的来说，这是一个复杂的课题。仅仅为了使用可靠的模型，财务顾问就会花大量的钱。大多数客户基于客户的投资组合使用多个模型。这些教程向您介绍这一主题，并教您的主要概念。我想说的是，下一步将是学习，然后在Kaggle竞争。

在培训集中，收盘价作为输入包括在内，因为它与“第二天的价格”或“X天内的价格”相关(对于预测1天以上价格变动的模型)。

注意，在培训数据中，通常未来价格(今天+1天)是目标值(train_Y)。

在测试数据中，包括收盘价数据，因为测试数据预测的是“未来价格”。

在确定模型的精度时，将(今天+X天)的价格预测与未来价值(test_Y)进行比较，以确定预测的有效性。就像一位人类股票交易员一样，如果你在猜测/预测未来的价格是否为Y(即涨/跌)，那么你就可以访问当前的收盘价price...which，这就是为什么它是相关的输入。显然，在一个真实世界的模型中，预测的准确性只有在X天过去之后才能知道。当训练然后测试一个模型时，数据通常是历史数据，所以使用样本外的值(比如今天+X天的价格)来确定准确性，尽管未来的值绝对不应该是输入。