主要还是参考一篇硕士论文：王莎. BP神经网络在股票预测中的应用研究[D]. 中南大学.
传统预测方法有一个共同局限性，即被控对象或过程的数学模型必须预先知道。而且没有容错和学习能力。人工神经网络能那些最佳刻画样本数据规律的函数。
采用多层bp神经网络，当输出范围在[0，1]之间时，输出层使用S形激活函数，否则输出层采用线性激活函数，中间层采用S形激活函数。
用前5天的开盘价、最高价、最低价、收盘价和成交量，一共25个数据做为输入数据。其后一天的数据作为网络输出的目标数据。
隐藏层神经元数量，要实验，作者的结果是16个神经元。先用这个结果。
先进行数据归一化，划分训练集和测试集。
写代码的过程中遇到很多问题，老报错。先保持原状，尝试一下另一个神经网络——长短期记忆网络（LSTM）。理论我以前写过一篇文章，现在就照人家的文章直接撸代码吧。
参考这个:https://www.codenong.com/cs103412077/
结果一顿操作，预测结果……
这也差太多了吧？算了，就到此为止吧。
源代码:https://github.com/zwdnet/stock/blob/main/lstm.py
最后再总结一下我这五篇股价预测的文章。五篇文章我分别尝试了集合经验模态分解法(EMMD)，机器学习算法，时间序列分析方法，神经网络算法，结果都不尽如人意，拿预测第二天涨跌作为标准，可能比瞎猜好不了多少。而且有使用未来数据的问题。看来用预测股价来开发策略可能效果不好，当然我的目的主要并不是在此，而是通过这个过程学习一系列的东西，比如机器学习，EMMD，遗传算法等等。而且也尝试了一种学习方法:通过找相关的硕士博士论文来学习某个领域。
接下来的计划，有两个:一个是实现《151 Trading Strategies》里的一些策略，目的主要是锻炼自己用代码实现策略的能力。这个想法主要是受知乎网友@云金杞 的启发，他的backtrader的文章很不错，推荐。二是准备搞个1000元试手计划，就是用1000元投入股市，每天至少操作一次，看看一段时间后还剩多少。主要是训练盘感和心态。打算写一些盘后复盘的文章。这个想法主要来自于万门大学的量化投资入门课程。这两个计划都是长期计划，慢慢来吧。
我发文章的三个地方，欢迎大家在朋友圈等地方分享，欢迎点“在看”。
我的个人博客地址：https://zwdnet.github.io
我的知乎文章地址： https://www.zhihu.com/people/zhao-you-min/posts
我的微信个人订阅号：赵瑜敏的口腔医学学习园地
