竞赛 机器学习股票大数据量化分析与预测系统 - python 竞赛

文章目录

  • 0 前言
  • 1 课题背景
  • 2 实现效果
    • UI界面设计
    • web预测界面
    • RSRS选股界面
  • 3 软件架构
  • 4 工具介绍
    • Flask框架
    • MySQL数据库
    • LSTM
  • 5 最后

0 前言

🔥 优质竞赛项目系列，今天要分享的是

🚩 机器学习股票大数据量化分析与预测系统

该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！

🥇学长这里给一个题目综合评分(每项满分5分)

  • 难度系数：3分
  • 工作量：3分
  • 创新点：3分

🧿 更多资料, 项目分享：

https://gitee.com/dancheng-senior/postgraduate

1 课题背景

基于机器学习的股票大数据量化分析系统，具有以下功能：

  • 采集保存数据；
  • 分析数据；
  • 可视化；
  • 深度学习股票预测

2 实现效果

UI界面设计

功能简述

在这里插入图片描述

日常数据获取更新

在这里插入图片描述
交易功能
在这里插入图片描述

web预测界面

  • LSTM长时间序列预测
  • RNN预测
  • 机器学习预测
  • 股票指标分析

在这里插入图片描述

预测效果如下：

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

RSRS选股界面

在这里插入图片描述

3 软件架构

整体的软件功能结构如下图

在这里插入图片描述

4 工具介绍

Flask框架

简介

Flask是一个基于Werkzeug和Jinja2的轻量级Web应用程序框架。与其他同类型框架相比，Flask的灵活性、轻便性和安全性更高，而且容易上手，它可以与MVC模式很好地结合进行开发。Flask也有强大的定制性，开发者可以依据实际需要增加相应的功能，在实现丰富的功能和扩展的同时能够保证核心功能的简单。Flask丰富的插件库能够让用户实现网站定制的个性化，从而开发出功能强大的网站。

本项目在Flask开发后端时，前端请求会遇到跨域的问题，解决该问题有修改数据类型为jsonp，采用GET方法，或者在Flask端加上响应头等方式，在此使用安装Flask-
CORS库的方式解决跨域问题。此外需要安装请求库axios。

Flask框架图

在这里插入图片描述
代码实例

​

from flask import Flask, render_template, jsonifyimport requestsfrom bs4 import BeautifulSoupfrom snownlp import SnowNLPimport jiebaimport numpy as npapp = Flask(__name__)app.config.from_object('config')# 中文停用词STOPWORDS = set(map(lambda x: x.strip(), open(r'./stopwords.txt', encoding='utf8').readlines()))headers = {'accept': "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9",'accept-language': "en-US,en;q=0.9,zh-CN;q=0.8,zh-TW;q=0.7,zh;q=0.6",'cookie': 'll="108296"; bid=ieDyF9S_Pvo; __utma=30149280.1219785301.1576592769.1576592769.1576592769.1; __utmc=30149280; __utmz=30149280.1576592769.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); _vwo_uuid_v2=DF618B52A6E9245858190AA370A98D7E4|0b4d39fcf413bf2c3e364ddad81e6a76; ct=y; dbcl2="40219042:K/CjqllYI3Y"; ck=FsDX; push_noty_num=0; push_doumail_num=0; douban-fav-remind=1; ap_v=0,6.0','host': "search.douban.com",'referer': "https://movie.douban.com/",'sec-fetch-mode': "navigate",'sec-fetch-site': "same-site",'sec-fetch-user': "?1",'upgrade-insecure-requests': "1",'user-agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36 Edg/79.0.309.56"}login_name = None# --------------------- html render ---------------------@app.route('/')def index():return render_template('index.html')@app.route('/search')def search():return render_template('search.html')@app.route('/search/')def search2(movie_name):return render_template('search.html')

MySQL数据库

简介

MySQL是一个关系型数据库，由瑞典MySQL AB公司开发，目前已经被Oracle收购。

Mysql是一个真正的多用户、多线程的SQL数据库。其使用的SQL（结构化查询语言）是世界上最流行的和标准化的数据库语言，每个关系型数据库都可以使用MySQL是以客户机/服务器结构实现的，也就是俗称的C/S结构，它由一个服务器守护程序mysqld和很多不同的客户程序和库组成。

Python操作mysql数据库

本项目中我们需要使用python来操作mysql数据库，因此需要用到 pymysql 这个库

安装：

​
pip install pymysql

数据库连接实例：

​
# 导入pymysql
import pymysql

# 定义一个函数
# 这个函数用来创建连接(连接数据库用）
def mysql_db():# 连接数据库肯定需要一些参数conn = pymysql.connect(host="127.0.0.1",port=3307,database="ksh",charset="utf8",user="root",passwd="123456")if __name__ == '__main__':mysql_db()

​

数据库连接实例：

​
# 导入pymysql
import pymysql

# 定义一个函数
# 这个函数用来创建连接(连接数据库用）
def mysql_db():# 连接数据库肯定需要一些参数conn = pymysql.connect(host="127.0.0.1",port=3307,database="ksh",charset="utf8",user="root",passwd="123456")if __name__ == '__main__':mysql_db()

​

LSTM

简介

长短期记忆（Long short-term memory,
LSTM）是一种特殊的RNN，主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说，就是相比普通的RNN，LSTM能够在更长的序列中有更好的表现。

LSTM结构（图右）和普通RNN的主要输入输出区别如下所示。
在这里插入图片描述
在这里插入图片描述
Torch代码实现

​
import torch
from sklearn.metrics import accuracy_score

#定义需要的模型结构，继承自torch.nn.Module
#必须包含__init__和forward两个功能
class mylstm(torch.nn.Module):def __init__(self, lstm_input_size, lstm_hidden_size, lstm_batch, lstm_layers):# 声明继承关系super(mylstm, self).__init__()self.lstm_input_size, self.lstm_hidden_size = lstm_input_size, lstm_hidden_sizeself.lstm_layers, self.lstm_batch = lstm_layers, lstm_batch# 定义lstm层self.lstm_layer = torch.nn.LSTM(self.lstm_input_size, self.lstm_hidden_size, num_layers=self.lstm_layers, batch_first=True)# 定义全连接层 二分类self.out = torch.nn.Linear(self.lstm_hidden_size, 2)def forward(self, x):# 激活x = torch.sigmoid(x)# LSTMx, _ = self.lstm_layer(x)# 保留最后一步的输出x = x[:, -1, :]# 全连接x = self.out(x)return xdef init_hidden(self):#初始化隐藏层参数全0return torch.zeros(self.lstm_batch, self.lstm_hidden_size)

5 最后

🧿 更多资料, 项目分享：

https://gitee.com/dancheng-senior/postgraduate

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/148639.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

2023计算机保研——双非上岸酒吧舞

2023计算机保研——双非上岸酒吧舞

我大概是从22年10月份开始写博客的，当时因为本校专业的培养方案的原因，课程很多，有些知识纸质记录很不方便，于是选择了打破了自己的成见使用博客来记录学习生活。对于我个人而言，保研生活在前一大半过程中都比较艰难&a…
阅读更多...
System Generator学习——时间和资源分析

System Generator学习——时间和资源分析

文章目录 前言一、目标二、步骤三、步骤 1 ：系统生成器的时序分析1、时序分析2、解决时间违规问题 四、步骤 2 ：系统生成器中的资源分析总结 前言 在本节实验中，你将学习如何通过在 Simulink 中进行仿真来验证设计的功能，以确保在…
阅读更多...
MapStruct初窥门径

MapStruct初窥门径

一、介绍 MapStruct相比于BeanUtils性能更高&#xff0c;能够实现DO&#xff0c;DTO&#xff0c;VO之间的转换&#xff0c;达到解耦合的目的 二、使用前提 添加依赖 <dependency><groupId>org.mapstruct</groupId><artifactId>mapstruct</artifa…
阅读更多...
学习记忆——宫殿篇——记忆宫殿——数字编码——扑克牌记忆

学习记忆——宫殿篇——记忆宫殿——数字编码——扑克牌记忆

扑克牌我们可以通过以下3点进行识记&#xff1a; 1、先把扑克牌进行编码转换 2、确定要进行记忆的记忆宫殿 3、把扑克牌与记忆宫殿一一对应 首先54张扑克牌除去大小王后剩下52张&#xff0c;因为世界赛不需要记忆大小王。52张扑克牌都有对应的编码&#xff0c;每2张扑克牌对应…
阅读更多...
JVM篇---第三篇

JVM篇---第三篇

系列文章目录 文章目录 系列文章目录一、什么是Java虚拟机？为什么Java被称作是“平台无关的编程语言”？二、Java内存结构三、说说对象分配规则一、什么是Java虚拟机？为什么Java被称作是“平台无关的编程语言”？ Java虚拟机是一个可以执行Java字节码的虚拟机进程。Java源文…
阅读更多...
如何将图片存到数据库(以mysql为例), 使用ORM Bee更加简单

如何将图片存到数据库(以mysql为例), 使用ORM Bee更加简单

如何将图片存到数据库 1. 创建数据库: 2. 生成Javabean public class ImageExam implements Serializable {private static final long serialVersionUID 1596686274309L;private Integer id;private String name; // private Blob image;private InputStream image; //将In…
阅读更多...
【Java】抽象类案例

【Java】抽象类案例

需求&#xff1a;加入我们在开发一个系统时 需要对员工&#xff08;Employee&#xff09;类进行设计&#xff0c;员工包含3个属性&#xff1a;姓名、工号&#xff08;number&#xff09;以及工资&#xff08;salary&#xff09;。 经理&#xff08;Manager&#xff09;也是员工…
阅读更多...
【物联网】STM32的中断机制不清楚？看这篇文章就足够了

【物联网】STM32的中断机制不清楚？看这篇文章就足够了

在嵌入式系统中&#xff0c;中断是一种重要的机制&#xff0c;用于处理来自外部设备的异步事件。STM32系列微控制器提供了强大的中断控制器&#xff0c;可以方便地处理各种外部中断和内部中断。本文将详细介绍STM32中断的结构和使用方法。 文章目录 1. 什么叫中断2. 中断优先级…
阅读更多...
怒刷LeetCode的第23天（Java版）

怒刷LeetCode的第23天（Java版）

目录 第一题 题目来源 题目内容 解决方法 方法一&#xff1a;贪心算法 方法二&#xff1a;动态规划 方法三&#xff1a;回溯算法 方法四&#xff1a;并查集 第二题 题目来源 题目内容 解决方法 方法一&#xff1a;排序和遍历 方法二&#xff1a;扫描线算法 方法…
阅读更多...
给列起别名(关键字:as)

给列起别名(关键字:as)

MySQL从小白到总裁完整教程目录:https://blog.csdn.net/weixin_67859959/article/details/129334507?spm1001.2014.3001.5502 语法格式: select 列名1 as 别名1, 列名2 as 别名2, 列名n as 别名n from 表名; 说明&#xff1a;可以省略as&#xff0c;列名和别名之间使用空格…
阅读更多...
多目标跟踪框架boxmot介绍

多目标跟踪框架boxmot介绍

引言 boxmot由mikel brostrom开发&#xff0c;用于目标检测&#xff0c;分割和姿态估计模型的SOTA&#xff08;state of art&#xff09;跟踪模块&#xff0c;现已加入python第三方库 PYPI&#xff0c;可用pip包管理器进行安装。 boxmot所支持的跟踪器采用外观特征识别方法&am…
阅读更多...
【动手学深度学习-Pytorch版】Transformer代码总结

【动手学深度学习-Pytorch版】Transformer代码总结

本文是纯纯的撸代码讲解&#xff0c;没有任何Transformer的基础内容~ 是从0榨干Transformer代码系列&#xff0c;借用的是李沐老师上课时讲解的代码。 本文是根据每个模块的实现过程来进行讲解的。如果您想获取关于Transformer具体的实现细节&#xff08;不含代码&#xff09;可…
阅读更多...
国庆中秋特辑（七）Java软件工程师常见20道编程面试题

国庆中秋特辑（七）Java软件工程师常见20道编程面试题

以下是中高级Java软件工程师常见编程面试题&#xff0c;共有20道。 如何判断一个数组是否为有序数组&#xff1f; 答案&#xff1a;可以通过一次遍历&#xff0c;比较相邻元素的大小。如果发现相邻元素的大小顺序不对&#xff0c;则数组不是有序数组。 public boolean isSort…
阅读更多...
【Unity】两种方式实现弹跳平台/反弹玩家（玩家触发与物体自身触发事件实现蹦床的物理效果）

【Unity】两种方式实现弹跳平台/反弹玩家（玩家触发与物体自身触发事件实现蹦床的物理效果）

一、声明 只实现物理反弹的效果&#xff0c;不实现蹦床会有的视觉拉伸效果&#xff0c;请自行找相关代码 二、实现 经过我的实践&#xff0c;我发现要想实现一个平台反弹的效果&#xff0c;要么就选择给player添加一个物理材质&#xff08;平台加了没用&#xff09;&#xff0…
阅读更多...
arduino嵌入式1，LED闪烁案例

arduino嵌入式1，LED闪烁案例

CVE系列在等等吧&#xff0c;环境我有点懒得搭建了 文章目录 前言一、anduino是什么玩意儿&#xff1f;二、使用步骤1.找蓝图/画蓝图2.写入数据成果 总结 前言 最近在学习嵌入式开发&#xff0c;我的单片机到了&#xff0c;然后我就沉迷于嵌入式开发的环境中 提示&#xff1a;…
阅读更多...
Linux嵌入式学习之Ubuntu入门（六）shell脚本详解

Linux嵌入式学习之Ubuntu入门（六）shell脚本详解

系列文章内容 Linux嵌入式学习之Ubuntu入门&#xff08;一&#xff09;基本命令、软件安装、文件结构、编辑器介绍 Linux嵌入式学习之Ubuntu入门&#xff08;二&#xff09;磁盘文件介绍及分区、格式化等 Linux嵌入式学习之Ubuntu入门&#xff08;三&#xff09;用户、用户组…
阅读更多...
go-fastdfs分布式文件存储集群搭建和测试

go-fastdfs分布式文件存储集群搭建和测试

一、官方文件 https://sjqzhang.github.io/go-fastdfs/#character2、集群原理 小集群原理&#xff1a; 大集群原理 二、服务端集群部署 1、在集群每个节点机器上下载安装包 (建议使用最新稳定版本&#xff09; wget --no-check-certificate https://github.com/sjqzhang/go…
阅读更多...
【Linux基础】Linux发展史

【Linux基础】Linux发展史

&#x1f449;系列专栏&#xff1a;【Linux基础】 &#x1f648;个人主页&#xff1a;sunny-ll 一、前言 本篇主要介绍Linux的发展历史&#xff0c;这里并不需要我们掌握&#xff0c;但是作为一个合格的Linux学习者与操作者&#xff0c;这些东西是需要了解的&#xff0c;而且…
阅读更多...
docker基本命令

docker基本命令

一、镜像操作 1、搜索镜像 docker search 仓库名/镜像名 2、下载镜像 docker pull 仓库名/镜像名&#xff1a;标签 若不指明标签&#xff0c;则表示下载最新版本的【标签为latest】 3、查看镜像 docker images 4、创建镜像 docker tag 原仓库/镜像名&#xff1a;原标名 新…
阅读更多...
机器人制作开源方案 | 家庭清扫拾物机器人

机器人制作开源方案 | 家庭清扫拾物机器人

作者&#xff1a;罗诚、李旭洋、胡旭、符粒楷 单位&#xff1a;南昌交通学院 人工智能学院 指导老师&#xff1a;揭吁菡 在家庭中我们有时无法到一些低矮阴暗的地方进行探索&#xff0c;比如茶几下或者床底下&#xff0c;特别是在部分家庭中&#xff0c;如果没有及时对这些阴…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023