本项目利用上证指数(sh000001)的历史数据来预测未来趋势。通过结合 LGBMRegressor 和 LinearRegression 模型,对未来的股价进行预测,并可视化结果。
- Python 3.x
- akshare
- pandas
- numpy
- scikit-learn
- lightgbm
- tqdm
- matplotlib
pip install akshare pandas numpy scikit-learn lightgbm tqdm matplotlib
python APP.py
使用 akshare 获取上证指数的日常数据。
- 基于时间索引和假期信息创建特征。
- 计算滚动窗口统计量,如均值、标准差、最小值、最大值以及自定义聚合函数。
- 特征工程:构建从历史数据中提取的特征,用于预测。
- 模型训练:使用历史数据训练 LGBMRegressor 和 LinearRegression 模型,以预测未来价格。
- 预测:结合两个模型的预测结果生成最终预测值。
- 可视化:绘制实际值与预测值的图,并将图像保存为 plot.png。
脚本将生成一个实际值与预测值的图,并将其保存为 plot.png。
如果您有建议或改进,请随时提出问题或提交拉取请求!
请参见 LICENSE 文件。