python股票价格预测

股票价格预测是一个复杂的问题，涉及到多个因素，比如公司的基本面、宏观经济、行业动态、政策变化等等。因此，要进行股票价格预测需要结合多种数据和分析方法。

在Python中，可以使用一些机器学习算法来进行股票价格预测，比如线性回归、SVM、神经网络等。其中，神经网络是比较常用的方法之一，可以使用TensorFlow、Keras等框架来实现。

以下是一个简单的股票价格预测的例子，使用了Keras框架和LSTM神经网络模型：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import LSTM, Dense
from sklearn.preprocessing import MinMaxScaler

# 读取数据
data = pd.read_csv('stock_price.csv')
prices = data['Close'].values.reshape(-1, 1)

# 数据归一化
scaler = MinMaxScaler(feature_range=(0, 1))
prices_scaled = scaler.fit_transform(prices)

# 划分训练集和测试集
train_size = int(len(prices_scaled) * 0.8)
test_size = len(prices_scaled) - train_size
train_data = prices_scaled[0:train_size, :]
test_data = prices_scaled[train_size:len(prices_scaled), :]

# 准备数据
def create_dataset(dataset, look_back=1):
    dataX, dataY = [], []
    for i in range(len(dataset) - look_back - 1):
        a = dataset[i:(i + look_back), 0]
        dataX.append(a)
        dataY.append(dataset[i + look_back, 0])
    return np.array(dataX), np.array(dataY)

look_back = 30
trainX, trainY = create_dataset(train_data, look_back)
testX, testY = create_dataset(test_data, look_back)

# 构建LSTM模型
model = Sequential()
model.add(LSTM(50, input_shape=(look_back, 1)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')

# 训练模型
model.fit(trainX, trainY, epochs=100, batch_size=32, verbose=2)

# 预测
trainPredict = model.predict(trainX)
testPredict = model.predict(testX)

# 反归一化
trainPredict = scaler.inverse_transform(trainPredict)
trainY = scaler.inverse_transform([trainY])
testPredict = scaler.inverse_transform(testPredict)
testY = scaler.inverse_transform([testY])

# 画图展示结果
trainPredictPlot = np.empty_like(prices)
trainPredictPlot[:, :] = np.nan
trainPredictPlot[look_back:len(trainPredict) + look_back, :] = trainPredict
testPredictPlot = np.empty_like(prices)
testPredictPlot[:, :] = np.nan
testPredictPlot[len(trainPredict) + (look_back * 2) + 1:len(prices) - 1, :] = testPredict
plt.plot(prices)
plt.plot(trainPredictPlot)
plt.plot(testPredictPlot)
plt.show()

这段代码首先读取CSV格式的股票价格数据，然后对数据进行归一化处理。接着划分训练集和测试集，并准备LSTM模型所需的数据。然后，构建LSTM模型并进行训练，最后对训练集和测试集进行预测并反归一化，最终画出结果图展示预测效果。