用于解决股票价格预测的对数周期幂律公式的 Python 实现

预测股票价格 使用ARIMA预测来预测股票价格 问题：使用时间序列建模预测股票价格 在Gametop惨败之后，我以对Wallstreetbets的劣信，对在股票市场进行项目变得非常感兴趣。 该项目的目的是查看我是否可以使用时间序列建模来预测股票价格 方法：ARIMA 数据：TDAmeritrade API的股票市场价格 库： 麻木 大熊猫 统计模型 要求 阴谋地 结果 我们的模式的AIC较小，为-20964.701。 但这是否等于一个好的模型？ 可能不会。 如果我们检查残差（预测-收盘价），则平均差约为0。 但是，标准偏差为12.6，这意味着65％的预测偏离了0 +12.6，这可能会导致重大损失。 在某一时刻，模型预测偏离了-135和144，这些交易将导致巨大的损失。 未来的工作 准确性很重要。 未来的目标是减小残差分布的宽度（标准偏差）

某985的期末金融作业（不骗人） #### **基于LSTM进行股票价格预测** - 构建特征集合 包括通过传统的财务基本面指标、技术指标和宏观经济指标 - 预测的标签为下一天的收盘价 - 一下为全局参数

预测库存价格 概述 股市交易是我做过的最迷人的尝试之一。 仅仅通过思考来赚钱的追求确实是一次令人振奋的旅程。 股票市场不再是华尔街市场穿着西装和领带的人所从事的冒险活动。 现在，任何能够使用电话或计算机的人都可以在市场上交易。 这种计算机化的交易将更多的人带入市场，并导致算法交易的丰富性。 实际上，在美国发生的所有交易中，有70％由计算机系统处理。[1] 交易者/投资者在市场上想要的是优势（一件事情比另一件事情发生的可能性更高）。 他们使用自己过去的经验，阅读当前的市场状况以及对图表和价格模式进行技术分析来做到这一点。 由于机器可以更快地处理更多数据，因此它们绝对可以帮助交易者/投资者做出更好的交易/投资决策。 在这个项目中，我将尝试使用一个称为“长期短期记忆（LSTM）”的人工递归神经网络来预测公司的收盘价。 我还将尝试使用DecisionTreeRegressor和LinearRegr

PythonFinance：一些股票的每日股票价格分析和CAPM建模

读取ETF和股票实时行情数据

TA_Lib-0.4.19-cp38-cp38-win_amd64

matlab开发-利用波动性分析预测股票价格的模型。伊藤引理，异方差（GARCH）模型，布朗运动

Little Stock Ticker是在Windows中运行的应用程序。 它用于跟踪多只股票的股票价格。 如果您不想在工作中打开完整的财务应用程序，将使用它

股票接口是用新浪的，从接口中读出来数据，要输入股票代码，点击查询，界面上显示股票名称，时间，还有股价，只是个小程序，网上没看到有界面版的 ，就做了一个界面，只能查询股票价格。