基础化工行业周报：股价回调不改基本面趋势，建议积极配置低估值石化与成长板块.pdf

股权质押是否说明银行对股价的认可？.pdf

完整代码，可直接运行

基于主成分分析（PCA）和反向传播神经网络，建立库存预测模型，以云南白药（000538）为例，从库存技术分析中选择29个指标，降维后输入神经网络。通过对不同参数数据实验中均方误差（MSE）和均方绝对误差（MAE）的比较和分析，进一步确定网络的隐层节点数量，学习速率，激活功能和训练功能。 最后，获得了具有稳定性和准确性的模型。

股票预测 使用机器学习来预测/预测股票价格的未来趋势。 查看详细介绍此 repo 的 Medium 文章！

利用聚宽数据研究股价日内模式中蕴藏的选股因子-附件资源

使用机器学习和深度学习并结合知识图嵌入的财务报表中的股票价格预测 几十年来，能够预测单个公司的股价一直是投资者的目标。 公司的股价受许多因素影响。 这些因素包括新闻，当前的政治气候和经济状况。 但是，鉴于成功进行预测可能获得的回报，许多人都试图开发模型来精确地做到这一点。 与股票价格预测有关的许多文献都集中在趋势（价格上涨或下跌）和价格（例如几天之内或两天之间的价格变化）的短期预测中。 该项目研究了机器学习，深度学习和知识图嵌入的使用，以发现在美国证券交易所上市的公司的财务业绩与其股价之间的关系。 具体来说，这项工作涉及尝试从财务报表中生成价格预测，以及预测每个公司的年度10K报告之间单个公司股票价格变化的趋势和幅度。 这项工作为投资者提供了财务决策支持，也导致了新数据集的产生，其他研究人员可能会进一步探索。 存储库的结构如下： “数据”文件夹包含针对所研究的每个研究问题的预处理数据

Time series forecasting using LSTM.

基于情绪分析的股价预测 -项目状态：[有效] 项目介绍/目标 该项目的目的是能够利用当天的市场情绪和LSTM预测来有效地预测股票价格。 某一天的市场情绪似乎存在，该是根据每天收集的与涉及我们正在考虑其股票的公司（Facebook，Apple，Amazon，Netflix，Google和Tesla）有关的Twitter评论计算得出的。 这意味着LSTM和ARMIA预测中的差异可以通过从twitter注释中计算出的情绪来说明。 该项目旨在验证这些发现。 使用方法 机器学习 数据可视化 预测建模 技术领域 Python 画面 熊猫，jupyter，NumPy，TensorFlow，SpaCy，sklearn 项目描述 在我们，我们证明了ARMIA预测与FAANG公司（如Facebook，Apple，Amazon，Netflix，Google和Tesla）的实际股价（出于个人利益）的差异可以由每

成交量分析对于股价技术分析而言有很重要的意义借鉴.pdf