[准确率:68%]基于日指标使用LSTM预测股价是否上涨（完善版）-ris指标

 

最近因为（财务自由需要）个人项目需要，在研究一些股票预测的算法，试过PEG的估值，也试过其他一些估值方法，但是效果都不是很好，今天我们来试一下用LSTM进行上涨预测。请注意，这只是一次具有学习性质的尝试，我也不会用这个模型进行实质性的操作。（以下的“天”指交易日）

如何提取上涨特征？

单纯使用开盘价、收盘价的上涨特征是毫无意义的，因为这样的特征不明显，和赌博没有区别。研究历史日线数据时，我们应该让模型学习到某一天之后的x天上涨y%的原因，这样才能使用当前交易日的数据预测未来x天是否会上涨。

然而这个原因是比较复杂的，当前行情、财务报告、市场情绪等各方面都对其有影响。在我们这次实验中，我们使用下方两个表格的指标进行训练，除了股票代码编号和该交易日日期，其余全部参与训练。为了简化问题，我们将是否上涨视为二分类问题。

选取标准：若自当前交易日起未来十天内，该股票平均上涨大于4%，则将当日以下指标数据（合并为一条，以空格区分开）纳入上涨训练集。否则纳入不上涨训练集。

每日行情：

open 开盘价 high 最高价 low 最低价 close 收盘价 pre_close 昨收价 pre2_close 2天前收盘价 pre3_close 3天前收盘价 pre4_close 4天前收盘价 pre5_close 5天前收盘价 change 涨跌额 pct_chg 涨跌幅 vol 成交量 （手） amount

成交额 （千元）

每日基本面指标：

turnover_rate 换手率（%） turnover_rate_f 换手率（自由流通股） volume_ratio 量比 pe 市盈率（总市值/净利润） pe_ttm 市盈率（TTM） pb 市净率（总市值/净资产） ps 市销率 ps_ttm 市销率（TTM） total_share 总股本 （万股） float_share 流通股本 （万股） free_share 自由流通股本 （万） total_mv 总市值 （万元） circ_mv 流通市值（万元）

随机提取25000条上涨训练集和35000条不上涨训练集进行训练，以空格隔开相关数据，如下：

训练后各随机提取

1000条上涨/不上涨测试集进行测试，结果如下：

虽然召回率很低，但是预测上涨的准确率为0.684，这是可以接受的水平。也就是说，只要该模型预测要上涨的股票，其都有68%的可能性上涨。

检验测试结果：

603214.SH,2019-02-25,

X=[3.24700e+01 3.38900e+01 3.20500e+01 3.36900e+01 3.24700e+01 3.11800e+01

2.98400e+01 3.13900e+01 3.16500e+01 1.22000e+00 3.76000e+00 1.10053e+04

3.67124e+04 4.40210e+00 4.40210e+00 1.15000e+00 5.98774e+01 5.40339e+01

5.39450e+00 7.98970e+00 7.96910e+00 1.00000e+04 2.50000e+03 2.50000e+03

3.36900e+05 8.42250e+04], Predicted=1, real=1

2019-02-25十个交易日后是2019-03-11，未来平均收盘价相较2019-02-25的收盘价涨4%以上，确实预测成功。

类似的还有

601111.SH, 2019-03-28

603909.SH, 2016-11-01

600781.SH, 2018-10-17

等等，大家可以自行校验。

当然，模型的准确性还可以进一步提高，比如删除某些无效指标

，或增加一些强指标(比如特朗普发送关于中文的推特时间离该交易日的距离等)。总之，这个模型还可以进一步进行研究。

即便如此，这些模型最多也只能作为投资的参考，最重要的还是投资人的经验。