上传者: 42120275
|
上传时间: 2021-12-04 10:47:12
|
文件大小: 990KB
|
文件类型: -
“分解还是不分解:股票价格预测的不同神经网络和GBM模型之间的比较。”
在这个项目中,有9个文件:
LSTM.py具有该报告中提到的两种LSTM的代码。
TCN.py具有两个TCN的代码,但是它们具有相同的超参数。
GBM.py具有用于仿真价格几何布朗运动的代码。
stat_decompose.py将时间序列分解为三个部分:趋势,季节性和残差。
testing.py测试LSTM和TCN。
testing_GBM.py测试GBM模型。
testing_decomp3.py将八个分解模型的预测写到csv文件中。
RMSE_MAE_decompose.py从testing_decomp3生成的csv文件中收集预测,并将其与真实数据进行比较。
compare_results.py会打印出可预测某只股票以及平均RMSE和MAE的最佳模型。
报告摘要:
在这项工作中,考虑了18只