LSTM外汇预测 长期短期记忆递归神经网络来预测外汇时间序列 该模型可以根据任何外汇对的每日或分钟数据进行训练。 数据可以从下载。 lstm-rnn应该学习根据先前的数据预测第二天或第二天。 神经网络在Theano上实现。 此代码不再维护。

Technical Analysis of Stock Trends 个人收集电子书，仅用学习使用，不可用于商业用途，如有版权问题，请联系删除！

Little Stock Ticker是在Windows中运行的应用程序。 它用于跟踪多只股票的股票价格。 如果您不想在工作中打开完整的财务应用程序，将使用它

基于适用于库存图片社的工具“ Image Tagger”-将多个关键字作为带有分隔符，标题和说明的长字符串处理，可以由库存图片社自动识别。 可以对关键字进行排序，并删除重复项。 元数据可以应用于多个选定的图像。 可以从其他目录中的图像复制和粘贴所有元数据。 如果缺少元数据，则图像名称将显示为红色。 1.1.0版中的新增功能：添加了具有剪切/复制/粘贴/删除功能的上下文菜单以及所选文件的所有exif数据查看器。

利用同花顺下载盘后数据，利用matlab自动读取数据，股票以及指数的日线数据，并在历史形态中追踪最形似的形态，并预测未来走势。 源码

stock_price_prediction_LSTM 使用LSTM预测股票价格。

RES-里兹帕-股票交易所 股票交易系统

使用数字和文本分析进行股票市场分析 该项目是在TSF实习期间完成的，目的是预测新闻头条对股市的影响

基于LSTM的库存预测方法 lstm是什么： 初步模型 lstm优缺点 为什么用于股票预测（研究目标，研究内容） 数据集介绍 数据预处理 模型介绍（三个） 结果比较 为什么需要时间序列模型？ 您想正确地模拟股票价格，因此作为股票购买者，您可以合理地决定何时购买股票以及何时出售股票以获利。这就是时间序列建模的用武之地。您需要良好的机器学习模型，这些模型可以查看数据序列的历史记录并正确预测序列的未来元素。 但是股市价格非常难以预测且波动很大。这意味着数据中没有一致的模式可以让您近乎完美地模拟转换内部的股票价格。普林斯顿大学的经济学家伯顿·马尔基尔在其1973年的著作《华尔街的随机漫步》中指出，如果市场真正有效，并且可以立即反映出所有因素，当它们被公开时，被蒙住眼睛的猴子向报纸股票上市投掷Dart应该和任何投资专家一样。 但是，我们不要一味认为这只是一个随机或随机的过程，并且对于机器学习没有希望

:chart_increasing:如何用深度强化学习自动炒股 :light_bulb:初衷 最近发生的事故，受到新冠疫情的影响，股市接连下降，作为一棵小白菜兼小韭菜，竟然产生了抄底的大胆想法，拿出仅存的一点私房钱梭哈了一把。 第二天，暴跌，俺加仓 第三天，又跌，俺加仓 第三天，又跌，俺又加仓... 一番错误操作后，结果严重不堪重负，第一次买股票就被股市一段暴打，受到了媳妇无情的嘲讽。痛定思痛，俺决定换一个思路：如何用深度强化学习来自动模拟炒股？实验验证一下能否获得收益。 :open_book:监督学习与强化学习的区别 监督学习（如LSTM）可以根据各种历史数据来预测未来的股票的价格，判断股票是涨还是跌，帮助人做决策。 而强化学习是机器学习的另一个分支，在决策的时候采取适当的行动（Action）使最后的奖励最大化。与监督学习预测未来的数值不同，强化学习根据输入的状态（如当日开盘价，收盘价等），输出系列动作（例如：买进，持有，卖出），从而最后的收益最大化，实现自