【文件属性】：
文件名称：AIAlpha：使用无监督和有监督的学习来预测库存
文件大小：5.04MB
文件格式：ZIP
更新时间：2021-02-04 13:31:13
python machine-learning artificial-intelligence lstm yahoo-finance-api
AIAlpha：用于股票收益预测的多层神经网络架构
该项目旨在作为堆叠神经网络的高级实现，以预测库存回报。 对观众来说，我的目标是了解开发这种多层模型所遵循的核心原理，以及为获得最佳预测能力而训练各个组件的细微差别。 一旦了解了核心原理，就可以使用模型时使用的现有模型来替换模型的各个组成部分。
该工作流程与Marcos Lopez de Prado出色的著作《金融机器学习的进步》中的方法类似，我向所有想要学习将机器学习技术应用于金融数据的人推荐。 由于GitHub中的大小限制，用于此项目的数据不在存储库中，但是原始数据是从Tick Data LLC开源的，但是现在我相信它不可用。
本质上
【文件预览】：
AIAlpha-master
----.vs()
--------ProjectSettings.json(35B)
--------AIAlpha()
--------VSWorkspaceState.json(73B)
--------slnx.sqlite(76KB)
----models()
--------autoencoder.py(3KB)
--------rfmodel.py(2KB)
--------__pycache__()
--------nnmodel.py(3KB)
--------saved_models()
----sample_data()
--------raw_data()
--------processed_data()
----pca_auto.py(4KB)
----test.py(211B)
----run_full.py(4KB)
----LICENSE(1KB)
----news_scrubbing()
--------apiprocessing.py(2KB)
--------competitornews.csv(481KB)
--------ewms.py(496B)
--------news.csv(178KB)
--------export.csv(301KB)
--------newskeep.py(840B)
--------FinalisedNewsData.csv(497KB)
--------enhanced scrubbing.py(3KB)
----bar_sample.py(569B)
----run.py(4KB)
----__init__.py(166B)
----requirements.txt(122B)
----.gitignore(5B)
----README.md(9KB)
----data_processor()
--------__pycache__()
--------data_processing.py(5KB)
--------base_bars.py(3KB)
----twitter_scrubbing()
--------twitter.py(381B)
--------twitter.R(1KB)
--------twittersentimentcalculator.py(478B)
--------twitter.csv(51KB)