红炉火整理，共11讲

数据分析 数据预处理 电影总票房 年份分析 时间序列分析 rating metascore 折线图 Python爬虫 beautiful soup jupyter notebook numpy pandas matplotlib 数据分析 数据挖掘

网络文本情感分析方法主要分为两大途径，无监督情感分析方法和有监督情感分析方法[2]。在2002年PANG等学者首次采用电影评论数据建立了使用机器学习的有监督情感分类方法。他分别使用了支持向量机(SVM)、朴素贝叶斯(NB)、最大熵(ME)分类器，二情感分类特征主要采用情感词频[3]。实验表明基于机器学习的有监督分类结果准确率要高于基于传统的无监督方法。文献[4]也提出了一种结合SVM和NB分类器的新模型（NBSVM），这种新的模型在多个数据集都取得了很好的分类效果。有监督网络评论情感分类方法是基于标注训练集语料来进行评论分类的，而标注的语料具有领域依赖性，因此有监督网络评论情感分类效果的好坏与文本领域有直接的关系。在一个领域标注的训练集训练的分类器很可能在另一个领域分类效果并不好。所以，有监督情感分类方法需要在不同领域标注大量不同的训练集，才能取得比较好的分类效果。但是，在众多领域都标注大量训练集是一项十分困难的事情，需要消耗大量的人力物力，已经成为有监督情感分类的瓶颈。

处理低价股票的排队问题，低价股票因为价格变动比较小，会导致订单薄很厚 ，排队很长，所以会有排队排不到成交不了的情况，导致有风险敞口。现在想设计一款算法，使得敞口存续时间最小，输入每几秒的盘口情况，输出敞口存续时间最小的盘口（即在何位置挂单、挂多少数量的单） 需要用到撮合引擎来生成订单薄

Numpy学习教程苹果股票数据 data.csv。主要用于Numpy学习时使用

使用getdata.py下载数据，或者使用自己的数据源，将数据放在stock_daily目录下 使用data_preprocess.py预处理数据，生成pkl文件，放在pkl_handle目录下(可选) 调整train.py和init.py中的参数，先使用predict..py训练模型，生成模型文件，再使用predict.py进行预测，生成预测结果或测试比照图 本项目使用机器学习方法解决了股票市场预测的问题。项目采用开源股票数据中心的上证000001号，中国平安股票(编号SZ_000001)，使用更加适合进行长时间序列预测的LSTM(长短期记忆神经网络)进行训练，通过对训练集序列的训练，在测试集上预测开盘价，最终得到准确率为96%的LSTM股票预测模型，较为精准地实现解决了股票市场预测的问题

论文研究-股指期权推出对股票市场和股指期货市场波动性影响.pdf,  对于证券市场来说期权具有价格发现、活跃股票市场、增强市场的流动性与稳定性、促进资本形成、确保资本市场良性运行等功能.以韩国KOSPI200指数和KOSPI200指数期货为研究对象,使用GARCH(1,1)模型、TARCH(1,1)模型对韩国KOSPI200股指期权推出后KOSPI200指数和KOSPI200指数期货的波动性进行了研究.研究结果表明:KOSPI200指数期权推出对于KOSPI200指数和KOSPI200指数期货的波动性和非对称波动性都有显著的影响,KOSPI200指数推出后KOSPI200指数和KOSPI200指数期货的波动增大,同时股指期权推出后现货市场的不对称性加大,而股指期货市场的不对称性减小.结论对于新兴市场经济国家股指期权产品的设计和中国股指期权推出后的风险防范有着重要的参考价值.

Python编写的股票行情分析软件，界面采用Pyqt

输入日期，对金融界(http://stock.jrj.com.cn/tzzs/zdtwdj/zdforce.shtml)页面股票进行爬取并存储进数据库

阿笨stock，一个网格交易，支持回测的股票软件。一个优秀的股票软件