This is my implemention of the course project for Stochastic Processes. This repo contains the code of a Guassian Process Regression (GPR) stock prices predictor. The algorithm is implemented with Python and Scikit Learn.
./Data/ 存放股票数据
./Results/ 预测结果曲线（代码自动生成）
./Results_SE/ 只使用SE协方差函数的预测结果
./Results_ESS/ 只使用ESS协方差函数的预测结果
./Results_63SE+17ESS/ 使用SE和ESS组合的协方差函数的预测结果
./References 参考文献
gpr.yaml 虚拟环境文件
predict.py 预测主程序
data_plotter.py 封装绘图给你
gpr_wrapper.py 封装GPR模型
data_handler.py 封装读入数据功能
- 创建虚拟环境
代码主要依赖包括：numpy、pandas、sklearn和matplotlib，下载这四个包即可运行代码。也可根据环境文件gpr.yaml来配置环境。
- 数据格式
直接从Nasdaq下载的csv文件可以直接使用。或者将csv文件第一列命名为”Date”，记录交易日期，第5列命名为”Close”记录对应价格，例如下图所示：
- 运行代码
将股票数据csv文件放到./Data文件夹下，运行predict.py后即可在/Results文件夹查看预测结果。
[1] M.Ebden, " Gaussian Processes for Regression An Quick Introduction”
[2] M.T. Farrell, et al, “Gaussian Process Regression Models for Predicting Stock Trends”.
[3] Long-term Stock Market Forecasting using Gaussian Processes