00:00 / 09:41
连播
清屏
智能
倍速
点赞187
00:00 / 04:13
连播
清屏
智能
倍速
点赞155
00:00 / 00:20
连播
清屏
智能
倍速
点赞9
00:00 / 00:41
连播
清屏
智能
倍速
点赞19
00:00 / 14:36
连播
清屏
智能
倍速
点赞0
00:00 / 00:12
连播
清屏
智能
倍速
点赞1
#KNIME#股票分析#贝叶斯#SVM#卷积 首先通过通达信的DLL插件编写程序导出股票数据。 顺便说一下,除了数据量大和开放程度不高外,Excel绝对是数据分析的王者。把数据导入到excel,使用excel进行均线和方差分析,可以分析数据的尖峰。如图所示。 然后使用KNIME编写线性回归模型和贝叶斯模型对股票结果进行分析和预测。 最后使用每天的同一时间数据做成多维数据集,使用贝叶斯模型成功率为72%,使用SVM模型成功率为67%,使用卷积模型成功率为62% 我们都知道,对于参与人数多的非合作博弈模型是无法收敛的,是没有纳什均衡点的。今天建立各种深度学习的模型针对股票数据进行分析和预测。 首先通过通达信的DLL插件编写程序导出股票数据。很多财经数据库都是要收费的,当然我们要自己抓取数据。 导出数据后,然后开始分析,分析的方法有很多种,除了数据量大和开放程度不高外,Excel绝对是数据分析的首选,把数据导入到excel,使用excel进行均线和方差分析,可以分析数据的尖峰。 KNIME是现在国际上流行的建模工具,我后面使用KNIME编写线性回归模型和贝叶斯模型对股票结果进行分析和预测。贝叶斯模型成功率达到了72%。 然后当然要使用sklearn库了,建立SVM模型,进行训练和预测,成功率可以达到67%。 最后,股票数据每天同一时间点的股价和成交量的表现可能有关联,我针对这个建立多维模型,使用卷积对它的关联性,进行挖掘和预测,最后成功率是62%。当然这些模型都有很多的优化的余地。
00:00 / 00:33
连播
清屏
智能
倍速
点赞11
00:00 / 00:48
连播
清屏
智能
倍速
点赞1
00:00 / 03:36
连播
清屏
智能
倍速
点赞4
00:00 / 05:48
连播
清屏
智能
倍速
点赞15
00:00 / 06:50
连播
清屏
智能
倍速
点赞1
00:00 / 01:47
连播
清屏
智能
倍速
点赞20
00:00 / 05:48
连播
清屏
智能
倍速
点赞12
00:00 / 01:50
连播
清屏
智能
倍速
点赞10
00:00 / 01:06
连播
清屏
智能
倍速
点赞8
00:00 / 01:50
连播
清屏
智能
倍速
点赞5
00:00 / 04:41
连播
清屏
智能
倍速
点赞24
00:00 / 02:35
连播
清屏
智能
倍速
点赞3
00:00 / 29:38
连播
清屏
智能
倍速
点赞50
00:00 / 01:48
连播
清屏
智能
倍速
点赞21
00:00 / 01:47
连播
清屏
智能
倍速
点赞10