Python-鄭O傑-股票投資策略LSTM

此專案作品用於：預測買賣股票的時間點

• 採用LSTM股價模型

專案動機：

從小父母常常提到股票投資

近年來也有很多用電腦寫程式進行自動化交易的例子

學會機器學習之後也想試試看套用到股票的效果

重點技術：

• 匯入資料以及歸一化處理

• 建立LSTM模型

• 訓練過程

• 訓練結果

• 回測系統與利潤－程式碼

• 回測系統與利潤－數據結果

研究結論：

這次研究中我們用長短期記憶模型來預測股票價格，再選擇最佳間隔範圍內的低買高賣原則來買賣股票，而模型本身會有高估利潤現象，但是我們發現MSE越高，只是實際利潤跟預測利潤落差越大，實際上還是有獲利的，此外預測時間越久波動性越大，因次我們不斷利用過去的數據來更新矯正模型，達到較為精準的預測，而實際結果也顯示出此模型對於這50支股票皆有獲利，每支股票的獲利金額也會因為股價而影響，價格較高的股價，雖然MSE會比較高，但也相對會得到較高的獲利。

專案心得＆回饋：

1. 對Python有了整合性的理解與創新

2. 把模型套用到其他方面，EX:威力彩

3. 過程中受到老師的提點以減少繞路的時間

專案分析報告：