cnn-lstm-ARIMA的股票代码，要求用过去五天预测未来八天的收盘价，输入特征有收盘价，最高价，最低价，换手率，涨跌额，涨跌幅，请详细解释每个步骤

首先，我们需要对数据进行预处理，包括数据清洗、缺失值填充、特征归一化等操作。接着，我们需要将数据集分为训练集和测试集，其中训练集包含过去五天的数据，测试集包含未来八天的数据。

第一步：使用CNN和LSTM对输入特征进行特征提取和序列建模。通过卷积神经网络（CNN）对输入特征进行特征提取，可以提取特征之间的关系，如最高价和最低价之间的关系；通过长短时记忆网络（LSTM）对序列进行建模，可以提取序列中的时间相关信息，如过去五天的收盘价序列。

第二步：将提取的特征和序列进行融合。通过将CNN和LSTM提取的特征和序列进行融合，可以得到更准确的特征表示，以便进行更好的预测。

第三步：使用ARIMA模型对未来八天的收盘价进行预测。自回归移动平均模型（ARIMA）是一种常用的时间序列预测模型，可以对未来的趋势进行预测。在这里，我们将使用ARIMA模型对未来八天的收盘价进行预测，并将其与测试集进行比较，以评估模型的准确性。

最后，我们可以根据模型的预测结果，进行交易策略的制定，以获得更好的收益。