基于注意力机制的LSTM多因子股指预测研究

Read more

K线形态相似度 DTW 算法深度解析

在金融市场的技术分析中，识别相似的K线形态是预测价格走势的关键。然而，K线形态天然具有时间轴扭曲、长度不一、局部波动差异大等特性，传统欧氏距离对此束手无策。动态时间规整（Dynamic Time Warping, DTW）算法正是解决这一难题的利器。

一、为何DTW是K线形态识别的理想选择？

1. 时间轴弹性对齐
   DTW允许“拉伸”或“压缩”时间轴，使形态的关键节点（如顶部、底部）最优匹配，克服了传统方法要求等长的缺陷。

2. 局部特征优先
   算法聚焦于局部走势的相似性（如长上影线、十字星），而非全局绝对位置，更符合技术分析逻辑。

3. 多维度...

Read more

1. 数据收集与处理

1.1 数据源

• 基础数据：A股的历史交易数据，包括开盘价、收盘价、最高价、最低价、成交量等，可以使用Tushare或Akshare等API进行获取。
• 数据频率：需要5分钟级别的OHLCV数据。这意味着每5分钟会有一次更新的数据点。
• 市场情绪与资金流向：除了价格数据，情绪数据（新闻、社交媒体）和资金流向（主力资金、行业资金等）是非常重要的。可以通过舆情分析、热度分析以及资金流向来增加模型的预测能力。

1.2 数据清理与预处理

• 缺失值与异常值处理：金融数据常常存在缺失或异常，需要使用插值法、均值填充、异常值检测（如IQR、Z-Score）等技术来处理。
• 时间序列...

Read more

要预测中国A股下一个交易日的全天5分钟级别的价格，基本上需要以下几个步骤来构建模型和实现方案：

1. 数据收集与准备

• 历史数据：获取A股的历史价格数据，最好是高频数据（如5分钟级别的OHLCV数据：开盘价、最高价、最低价、收盘价和成交量）。可以通过akshare、tushare等API来获取。
• 数据清理：处理缺失值，去除异常值，确保数据的质量。时间序列数据需要对齐，确保没有错过任何一个时间点。

• 特征工程：为模型构建相关特征，例如：

• 技术指标：移动平均线（MA）、相对强弱指数（RSI）、MACD等。

• 成交量特征：成交量与成交价的比值。
• 资金流向：主力资金的流入流出情况。
• 行业数据...

Read more

PS D:\01-sourceCode\02-AICDA\predict-price-model> Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser PS D:\01-sourceCode\02-AICDA\predict-price-model> ..venv\Scripts\Activate.ps1

Read more

mplfinance 是基于 Matplotlib 的 Python 库，专为金融数据可视化设计，提供了简洁的 API 用于创建专业的金融图表。以下是其核心功能与使用示例：

主要功能

1. K线图（Candlestick Charts）
   展示开盘价、收盘价、最高价、最低价，直观反映价格波动。

2. OHLC 图表
   简化版 K 线图，用线段表示价格区间。

3. 成交量图表
   显示交易量与价格的关系，支持与价格图表叠加或分屏显示。

4. 移动平均线
   支持多种周期的 SMA、EMA 等均线指标。

5. 技术指标叠加
   可添加 MACD、RSI、Bollinger Bands 等...

Read more

https://github.com/dfkai/xtquantai 是 xtquantai 项目的 GitHub 仓库链接。以下是关于该项目的一些关键信息总结：

项目概述

xtquantai 是一个基于 Model Context Protocol (MCP) 的服务器，它将迅投 (xtquant) 量化交易平台的功能与人工智能助手集成，使 AI 能够直接访问和操作量化交易数据和功能。

功能特点

• 基础数据查询：
• get_trading_dates：获取指定市场的交易日期。
• get_stock_list：获取特定板块的股票列表。
• get_instrument_detail：获取股票的详...

Read more

一段话总结

statsmodels.tsa 是用于时间序列分析的核心模块，包含丰富的模型类和工具函数，涵盖线性模型（如AR、ARMA、VAR）与非线性模型（如Markov切换模型）。其核心功能包括 描述性统计分析（自相关ACF、偏自相关PACF、周期图）、统计测试（单位根测试ADF/KPSS、Granger因果检验、协整检验）、参数估计（极大似然MLE、条件最小二乘、卡尔曼滤波），以及时间序列滤波（Baxter-King、Hodrick-Prescott）、确定性过程建模（时间趋势、季节性） 和预测模型（Theta模型、STL分解后预测）等，支持从数据诊断、模型拟合到预测的全流程时间序...

Read more

该仓库名为 Scylla，是一个智能代理 IP 池工具，旨在从互联网提取内容，并助力在人工智能时代构建自己的大语言模型。以下是对该仓库的详细介绍：

核心特性

• 自动化代理 IP 管理：自动进行代理 IP 的爬取与验证，确保代理池中的 IP 有效可用。
• 便捷的 API 接口：提供简单易用的 JSON API，方便开发者调用代理 IP 资源。
• 美观的用户界面：拥有简洁美观的 Web 界面，可展示代理的地理分布等信息。
• 快速启动：最少仅需一条命令即可启动项目。
• HTTP 代理服务：提供简单的 HTTP 转发代理服务器。
• 集成能力：可与 Scrapy 和 requests 仅用一行代码实现集成。...

Read more

无头浏览器（Headless Browser）是什么意思？

无头浏览器是一种没有图形用户界面（GUI）的网页浏览器，它能够像普通浏览器一样解析HTML、CSS、JavaScript，处理网页渲染、表单提交、Cookie存储等操作，但所有功能都通过命令行或编程接口（API）来控制，无需用户可视化交互。

核心特点

1. 无界面运行：没有传统浏览器的窗口、按钮等视觉元素，完全在后台或命令行环境中执行。
2. 功能完整：支持现代网页技术，包括JavaScript执行、DOM操作、CSS渲染、AJAX请求等，与普通浏览器（如Chrome、Firefox）内核功能一致。
3. 可编程性：通过API（如JavaScr...

Read more