谁说delphi开发不了大系统？！用delphi开发的股票分析系统,功能如下：1。股票行情分析2。完全实时的财务数据3。实时的信息地雷4。最关键它是delphi开发的，基本没用第三方控件使用方法：随便填一个登录名即可

实现股票K线， 股票列表， 分时图， 可以自己获取股票数据

递归神经网络预测Google股票价格 我试图使用LSTM预测Google股票价格 长短期记忆（LSTM）单元（或块）是递归神经网络（RNN）层的构建单元。 由LSTM单元组成的RNN通常称为LSTM网络。 常见的LSTM单元由单元，输入门，输出门和忘记门组成。 该单元负责在任意时间间隔内“记住”值。 因此，LSTM中的“内存”一词。 就像多层（或前馈）神经网络中一样，这三个门中的每一个都可以被认为是“常规”人工神经元：也就是说，它们计算加权和的激活（使用激活函数）。 从直觉上讲，它们可以看作是通过LSTM连接的值流的调节器。 因此表示“门”。 这些门与单元之间存在连接。 更好的预测模型的结果是：

含有大智慧、交易师（飞狐交易师、徐小明KT交易师）、分析家、通达信的dll二次开发接口规范文档，同时含有其示范性开发源代码。

2009年7月到2019年7月000001.SZ股票交易数据包含（'ts_code', 'trade_date', 'open', 'high', 'low', 'close', 'pre_close', 'change', 'pct_chg', 'vol', 'amount'）

LSTM 作为预测模型，使用贝叶斯优化算法来实现股票预测的功能

基于python语言，tensorflow框架，通过rnn循环神经网络实现对茅台酒开盘价的预测

python LSTM进行时间序列预测，股票每日的数据

利用matlab，产生随机游走序列，利用B-S模型进行期权模拟，与现实期权价格比较

本次实战代码仍是在之前基础上进行了一些修改。之前只在一支股票上进行训练，这次我将模型放在多支股票上训练，并在多支股票上进行了测试。对于多支股票的训练策略，没有参考过别人的训练方案（做这个的比较少）。我按自己的理解去训练，每一轮训练，都将每支股票从头到尾走一次。核心代码如下： 结果： 股票1： 不加均线的回测结果： 加均线的回测结果： 股票2： 不加均线的回测结果： 加均线的回测结果： 股票3： 不加均线的回测结果： 加均线的回测结果： 从上图可以发现，加了均线系统限制股票买卖效果不一定好，但是可以从一定程度上规避风险。在下跌趋势比较明显的股票中，均线系统能够很好的保护账户，减少损