股票价格预测的闭式连续时间模型研究(Research on Closed-form Continuous-time Models for stock price prediction)

闭式连续时间神经网络（CfC）是一种功能强大的连续液体神经信息处理单元。

本模型基于Tensorflow架构，需要配置对应版本的keras和cuda库

Requirements

• Python--3.6 or newer
• Tensorflow--2.4 or newer
• scikit-learn--0.24.2 or newer
• matplotlib--3.6.0
• numpy--1.19.5
• pandas--1.2.1
• cudatoolkit--11.0.221
• cudnn--8.9.2.26
• keras--2.4.3

Module description

• tf_cfc.py 主CfC模型 (在 Tensorflow 2.x 中实现 CfC）
• tf_cfc_gru.py 使用了gru模块的CfC模型
• tf_cfc_resnet.py 使用了残差块的CfC模型
• cfc_train.py 主训练模型
• cfc_t+n.py 对数据集的T+N（N=5，10，15，20）日后的涨跌情况进行了预测
• other_train.py 使用CNN,RNN,LSTM对数据集进行训练
• revenue_stock.py 盈利能力评估
• Factor_ans_result.py特征辨识的结果
• Factor_ans_use1.py 特征辨识的调用文件
• FA.py 因子分析法部分的文件
• PCA.py 主成分分析法部分的文件
• cfc_ts_solo_pic 有tushare进行股票数据更改的cfc股价预测模型
• cfc_01.py 生成混淆矩阵和测试集的预测真实值文件
• updown_label.py 根据cfc_01.py 生成的文件生成0,1涨跌标签
• heatmap_cluster.py 聚类热图和相关性热图
• maotai_factor1.csv 茅台股票数据
• shangzheng_factor1.csv 上证综合指数数据

Usage

结合论文《基于闭式连续时间神经网络的股票预测模型》

Cite

@article{hasani_closed-form_2022,
	title = {Closed-form continuous-time neural networks},
	journal = {Nature Machine Intelligence},
	author = {Hasani, Ramin and Lechner, Mathias and Amini, Alexander and Liebenwein, Lucas and Ray, Aaron and Tschaikowski, Max and Teschl, Gerald and Rus, Daniela},
	issn = {2522-5839},
	month = nov,
	year = {2022},
}