LSTM处理股票数据的一般流程：

image.png

２.在先工作的基本思路：

(1).为利用沪深300前100天的收盘价预测下一天的收盘价。从结果来看，LSTM对未来20天的预测基本上是对过去100天收盘价变化的趋势的总括，因此最终的预测结果以及回测结果都不是很理想。 之后尝试增加了features(每日Open,High,Low,Close,Amount,Volume)，效果依然不是很好。

通过对结果进行分析以及阅读研究一些研报，得到的初步结论为：一是input时间跨度太长(100天的价格走势对未来一天的价格变化影响很小)，而待预测数据时间跨度太短；二是收盘价(Close)是非平稳数据，LSTM对于非平稳数据的预测效果没有平稳数据好。

(2)LSTM对沪深300未来五日收益率预测

综合以上两点，本文所使用的输入和输出为利用过去30天的数据预测将来五天的收益。

测试对象：沪深300

数据选择和处理：

input的时间跨度为30天，每天的features为['close','open','high','low','amount','volume']共6个，因此每个input为30×6的二维向量。

output为未来5日收益future_return_5(future_return_5>0.2,取0.2;future_return_5

训练数据：沪深300 2005-01-01至20