2019/12/29
《No.28: p209-p216》《增强型分析-AI驱动的数据分析、业务决策与案例实践》读书笔记
第7章 深入探讨RNN

7.3        利用LSTM预测股票价格
  股票价格是时间序列数据，很适合LSTM来预测。
7.3.1模型构建与验证
1.获取股票数据，使用Alpha Vantage取得股票数剧
2.数据标准化处理，可防止数值溢出，加快敛速度并提高精度。
  因变量: 收盘价格
  自变量: 开盘价、最高价、最低价、成交量
3.模型构建: 使用Keras构建LSTM模型；透过损失函数变化趋势来判断模型的实际效果。若损失函数快速下降且趋于很小的值，表示模型比较稳定。

4.模型验证: 采用均方根误差(RMSE)来衡量实际值与预测值之间的差异。另一指标是平均绝对百分比(MAPE)。
5.模型图形化结果展示

7.3.2 模型应用的探讨: 实际应用时应考虑几个重点:
     1.LSTM是以价格预测价格，而非以”影响价格因素来预测价格”，考量的因素恐怕不够。
     2.频繁地重新训练模型，能够比较好地保证模型的效果。