caihaihua057200 / Time-Series-Prediction-of-the-SSE

股票市场预测

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。

依赖

• Python 3.x
• akshare
• pandas
• numpy
• scikit-learn
• lightgbm
• tqdm
• matplotlib

你可以使用 pip 安装所需的库：

pip install akshare pandas numpy scikit-learn lightgbm tqdm matplotlib

使用方法

python APP.py

数据获取：

使用 akshare 获取上证指数的日常数据。

数据处理：

• 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。

示例输出

脚本将生成一个实际值与预测值的图，并将其保存为 plot.png。

贡献

如果您有建议或改进，请随时提出问题或提交拉取请求！

许可证

请参见 LICENSE 文件。