精通API架构-设计，运维与演进-Books
评论
17 views
预测中国A股下一个交易日的全天5分钟级别的价格-V02
评论
26 views
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...
预测中国A股下一个交易日的全天5分钟级别的价格-V01
评论
24 views
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...
申万一级行业-
评论
96 views
申万一级行业是申银万国证券对行业的划分方法，从投资管理角度出发，同时考虑实际研究需要，将上市公司划分为31个一级行业、124个二级行业和395个三级行业。以下是对申万一级行业的具体介绍：
上游资源行业
- 石油石化：包括油气开采、炼化等环节，是能源和化工产品的重要来源。该行业具有强周期性，受国际油价、地缘政治等因素影响较大，代表公司有中国石油、中国石化等。
- 煤炭：主要从事煤炭开采与加工，为电力、钢铁等行业提供基础能源。煤炭行业的发展与宏观经济形势密切相关，需求波动较大，代表公司有中国神华、陕西煤业等。
- 有色金属：涵盖金属矿石开采、冶炼及能源金属如锂、钴等的生产。有色金属价格波动频繁，受全球...
时间序列预测-数据量大小-预测方式选择
评论
20 views
在实际深度学习时序预测中，“数据量小/大”没有绝对标准，但有一些经验参考：
数据量小：
通常指样本数低于几千条（如<2000~3000），或者训练集天数少于1年（A股5分钟数据一天48条，1年约1万条）。 特征维度多时，样本数/特征数比值低于10~20，也算偏小。 小数据下，复杂模型（如一次性多步Seq2Seq）容易过拟合，递归单步预测更稳健。 数据量大：
样本数达到几万条以上（如>10000~20000），或训练集覆盖2年以上。 特征维度不多时，样本数/特征数比值高于50~100。 大数据下，一次性多步预测模型能学到更复杂的时序关系，效果更好。 预测步数（序列长度）：
短步...
windows-激活虚拟环境
评论
20 views
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
中国A股市场5分钟级别数据预测系统设计文档
评论
42 views
中国A股市场5分钟级别数据预测系统设计文档
1. 项目概述
1.1 目标
使用深度学习模型（LSTM/Transformer）基于过去24个交易日的5分钟级别历史数据，预测下一个交易日全天的5分钟级别市场数据（48个时间点）
1.2 核心挑战
- 超长序列预测（输入6912点 → 输出48点）
- 中国A股特有市场规则（涨跌停、T+1、交易时段）
- 高频数据噪声与市场突发事件影响
- 散户主导市场的情绪化波动
1.3 适用范围
- 沪深300成分股及指数ETF（510300等）
- 交易日正常开市时段（9:30-11:30, 13:00-15:00）
- 非极端行情时期（避免熔断、股灾等异常情况）
2....
mplfinance-金融数据可视化设计
评论
21 views
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
-
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。 -
OHLC 图表
简化版 K 线图，用线段表示价格区间。 -
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。 -
移动平均线
支持多种周期的 SMA、EMA 等均线指标。 -
技术指标叠加
可添加 MACD、RSI、Bollinger Bands 等...
时间序列预测-确定性过程建模
评论
21 views
在时间序列预测中，确定性过程建模是指识别和建模时间序列中那些非随机、可预测、有规律可循的组成部分。这些成分通常由已知的、固定的模式驱动，而不是由随机波动主导。
理解时间序列的典型分解有助于理解确定性过程：
- 趋势： 序列长期表现出的上升、下降或水平移动。例如，人口增长、技术普及带来的销量上升。
- 季节性： 在固定周期（如一天、一周、一月、一年）内重复出现的模式。例如，每日用电高峰、季节性商品销售、节假日效应。
- 周期性： 在非固定周期（通常长于季节性周期）内出现的波动，通常与经济周期相关。其频率和幅度不如季节性稳定。例如，房地产周期、大宗商品价格周期。
- 特殊事件/干预： 已知的一次性或短期事...
xtquantai-迅投 (xtquant) 量化交易平台的功能与人工智能助手集成
评论
21 views
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...