这个项目并非为了研究金融交易投资工具，实际上这是我研究 Image Caption 任务时突发奇想做的小玩具。因为没有经过经济学或者投资策略上的专业设计，效果不好很正常，你可以自己改进。
训练数据 在目录 data/train/ 下有示例的训练数据，且需要解压。训练数据目录以时间区间为名，其下有大量 yaml 文件，每一个文件代表一个股票在某一段时间区间内的走势信息，包含以下字段（旧版的数据仅包含date end code stdchange 四个字段，但不影响训练，新的v0.2版本在采集时会包含所有字段）：
date: string采集数据时间。end: string该股票数据的结束时间。code: string该股票代码。stdchange: <float>该股票在时间区间内的涨跌百分比情况列表。open: <float>该股票开盘价。close: array<float>该股票收盘价。high: array<float>该股票最高价。low: array<float>该股票最低价。tradedate: array<string>历史交易日数据。
测试数据 在目录 data/test 下有示例的测试数据，测试数据也是 yaml 文件，其内容格式与训练数据基本一致。
采用了网格化方式将连续区间离散化的形式将股票的涨跌幅映射到 token id ，设定涨跌幅有效区间为-10%~10%，分为100格，每格区间为0.2%，通过转换涨跌幅数值为所落在的区间为 token id 。此外由于PAD 占用了位置0，所有 token id需要后移一位。最后将 token 补充到相同长度，与原序列长度一起返回。
from utils.Tokenizer import Tokenizer
tk = Tokenizer(grid=100, maxlen=10)
arr = [-9.81, -1.05, -0.10, 5.26, 15.24]
tk.tokenize(arr)
>>
([1, 1, 45, 50, 77, 101, 0, 0, 0, 0], 5)例如这里 -9.81 在(-10, -9.8] 属于区间0，右移一位得到 token id = 1；5.26 在 (5.2, 5.4] 属于区间26，右移一位得到 token id = 27；15.24超出了区间因此取区间100，右移一位得到 token id = 101。
对于 LSTM 解码器的模型定义在于 models/LSTMDecoder.py 中，可以修改其参数实现量化模型大小。训练之后的模型保存至 checkpoints/ 中，我们提供了一个预训练的模型 model-pretrained.pt 可以直接使用。
LSTM的自回归生成式推理过程与训练有点不同，需要融合搜索策略，这里提供了贪婪搜索和波束搜索两种。
贪婪搜索 每次将当前阶段概率最大者作为预测结果，直到搜索结束，最后会生成1个预测结果。
波束搜索 每次维护一个大小为 beam_size 的候选群，直到搜索结束，最后会生成 beam_size 个预测结果。
Pycharm集成了多种Python环境的支持，您可以根据需求搭建Anaconda或者Python virtual environment(venv)环境，具体方法参考5.1或6.1章节。
当环境安装好后，在Files-settings-Project:...-Python Interpreter中使用配置好的conda或venv环境。
我们建议使用Anaconda来创建运行环境，并使用Jupyter Notebook/Lab进行深度学习模型的研究。
conda create -n tmp python==3.7
conda activate tmpcd lstm-ar-stock-predict
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple由于原版的开放 tushare API 已失效，现在需要新的 tushare pro API 来抓取数据，请到 tushare 官网注册申请。将 api token 复制到 web-ui/config.json 中。
参考 main.ipynb 中的示例。
参考 get_sample.ipynb 中的示例。
请参考使用指引：Web UI图形化界面指引 。
* @N 表示向后推理N步。数据均来自A股市场。
【2024/4/17】
- 新增：使用React.js重构了图形化界面，现在更好用了！
- 调整：图形界面中使用于可交互报表展示数据，不再使用图片形式。
- 调整：将提供更多文档，集中于
doc/下。- 删除：基于Vue.js的图形化界面暂停使用，但会保存在
release v0.1 vue版本中作为历史版本存档。后续开发都将基于React.js。
【2024/4/7】
- 调整：目录结构
gui->web-ui。- 新增：在
web-ui中使用bat脚本一键构造venv环境（这是为了方便直接用户使用，假如您想要研发改进，我依然推荐配置anaconda环境并使用jupyter模式）。
【2024/2/23】
- 升级了爬虫，增加对 tushare pro API 的支持，请看
使用——API配置。- 旧版的数据 API 已失效，因此删除了无效的代码。
- 优化了数据样本形式。
B.1 Star History:
B.2 Visitor Count:
