1、内容概要：本资源将初步探究 LSTM 在股票市场的应用。通过使用LSTM对股票收益的预测，可以了解到：（1）如何将原始数据集转换为可用于时间序列预测的数据。（2）如何准备数据并使LSTM适合多变量时间序列预测问题。（3）如何进行预测并将结果重新调整回原始数据。 2、本资源适用于对量化交易感兴趣的学生学习实验参考使用。 3、资源内容主要包括：股票数据（20支）.rar，LSTM实现对股票数据进行预测（Keras实现）源代码lstm_model.py（源码以600000.SH股票数据为基准进行分析，以2016年3月1日至2017年12月31日为回测期，进行收益率的预测模拟），2016年3月至2017年12月的股票回测模型损失和RMSE计算数据excel。

1、内容概要：本资源主要包括Python3对股票数据进行分析源代码、Python3对股票的收益和风险分析源代码、Python3对多股票的投资组合进行分析源代码、北京某投资管理有限公司20支真实股票数据、20支股票整体绘图分析结果展示等。 2、本资源适用于对量化交易感兴趣的学生学习实验参考使用。 3、量化交易是以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。本资源仅供学习使用，不可作为真实场景模拟操作。 4、源代码主要包括：股票的开盘价、最高价、最低价、收盘价、成交量、市值、换手率、pe、pb等指标分析，绘制K线图、股票指标相关性分析、移动平均线、股票收益率分析、风险性衡量、投资组合等。

ios 类似股票数据展示的可上下左右滑动的tableView,tableviwCel可以左右滑动l

可以从yahoo，MSN money上自动抓取股票数据，和balance sheet等属性值。

通过调用互联网上公开的接口调用，抓取股票的实时数据，包括新浪股票的当前价，最高价，成交量等。

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'）

Python中的简单库存分析 这是使用jupyter和python进行简单股票分析的教程。 股票教程有两个版本。 一个是jupyter版本，另一个是python。 Jupyter还生产jupyter笔记本，以前称为iPython笔记本。 但是，Python是一种解释型高级编程语言。 对于想学习股票分析并想成为量化专家的初学者来说，这非常简单易懂。 此外，本教程适用于希望学习python编码以分析股票市场的人们。 但是，如果您已经了解使用Python进行库存分析或编码，那么这将不适合您。 您可以查看更多高级编码： : 。 顺序是从＃1到＃26。 您首先学习数字1，然后按顺序进行。 完成后，您将知道如何用python编写代码并了解金融和股票市场。 :Japanese_congratulations_button: 先决条件 Python 3.5+ Jupyter笔记本Python 3 依存关系 fix_yahoo_finance或yfinance

StockAnalytics 每天抓取股票数据，保存到mongodb。 使用Spark进行分析后保存到Mysql中。 WEB界面展示 技术架构：SpringMVC + Spring + Mybatis + Spring data MongoDB 一阶段：（完成） 每天抓取股票数据，保存到mongodb。 二阶段：（进行中） Spark完成ETL数据处理，由另一个Scala项目完成 三阶段：（筹备中） WEB展示数据图表和查询分析

matlab提取股票数据代码DSPLAB_项目 这是使用ARIMA模型预测股市价格的整体项目。 为了更好的可读性，下面列出了此存储库的内容： 1）MATLAB_Code文件夹：此文件夹包含用于2011年至2020年的ARIMA预测的完整工作MATLAB代码以及SENSEX数据集。 2）Python_Code文件夹：此文件夹包含一些有用的实用程序脚本，您可以使用或修改这些实用程序脚本以从不同的文件格式（如.txt）中提取所需的数据，并将其保存在.csv文件中。 它还可以提取csv文件中的特定数据列，并将其存储在另一个csv文件中。 3）Project Report：包含全面的Project报告和我们项目背后的理论，以便用户了解MATLAB代码工作背后的基本理论

本仓库包括一个基于python和flask框架开发的股票分析平台，该平台利用tushare库获取股市的实时行情、历史行情以及个股相关财务数据，结合scrapy爬取雪球的个股年报财务数据，通过pandas库对数据进行统计分析，得到个股的以下信息： 基本面信息，如市盈率、市净率、净资产收益率和现金收益率排名； 技术面信息，筛选历史新高、新低，均线多头、突破20日均线以及年线之上的个股； 板块分类，通过scikit learn的聚类算法对上证50、中证500和沪深300进行聚类分析； 行业分析，通过以上相同的聚类算法对行业个股进行基本面和技术面的聚类分析； 另外还包含个股查询，如查看个股的基本面数据和K线数据。 访问网站: