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

pandas基本操作stock_day.csv

2020最新半小时搞定简易股票爬虫（在雪球网上爬取单支股票的的详情）源代码，含GUI界面。使用requests、beautifulsoup、tkinter实现

股票价格预测

Quick Stock产品白皮书

缠中说禅-缠论技术分析 聚焦于多等级K线走势分析基于1minK线为小等级实时自动笔段画线，中枢标识递归分析整体走势作为买卖分析参考 演示地址： ://quant.neil-pan.com/twist/（演示版本为sh000016静态行情数据） 支持标的 沪深证券（标的强制带证券所标识如sh000001，sz000001） 国内期货（主力合约缩写+0如ag0） 国际期货（主力连续缩写如si） 外汇（如美元指数diniw） 加密货币（标的强制带btc标识如btcbtcusd，btceosusd） 同等级分解-笔，段，中枢，走势 黄色为1分笔，橙色为基于1分笔特征序列生成的1分段，紫色为基于1分段特征序列生成的尺寸等级段 段的末端数字为对应段的MACD面积，递增段计算MACD红色面积（正数），下降段计算MACD绿色面积（负数） 中枢以橙色和紫色框标注，两个数字为上下沿值 非同等级分解 多等级联

Stock_Watson_DFM_HOM_replication_files_20160312，这个是用来复制动态因素模型的程序算法

Twitter的股票情绪 将GME Twitter情绪置于GME股票价格之上