这个模型是VivekPa:AIAlpha 的，我拿过来修改成 Tensorflow 实现，并重新调试。
python preprocessing.py
是进行小波变换，数据预处理过滤噪声用的。
python autoencoder.py
是利用编码解码器进行数据维度压缩用的。
python data_processing.py
用来拆分数据，拆成训练集和测试集。
python model.py
构造 LSTM 模型，训练并预测数据用。
按照上面几个脚本的顺序执行可以重现实验结果：
stock_data.csv：训练用数据。preprocessing/indicators.csv，未经过降噪的数据后半段相对于前半段变化的幅度。preprocessing/log_train.csv降噪后的数据，这个降噪是单独对拆分的小数据片段进行降噪，而不是在整个数据集上统一进行的降噪。preprocessing/rbm_train.csv和preprocessing/rbm_test.csv都是从preprocessing/log_train.csv中拆一部分出来的。preprocessing/test_data.csv原始数据里面拿小片段第5列最后一个数据，跟倒数前一个数据差分对数后的结果。preprocessing/test_stock.csv直接取原始数据第5列。stock_data_test.csv从preprocessing/test_stock.csv里拆开的一部分。
编码器是使用preprocessing/rbm_train.csv训练的。训练完成后对preprocessing/log_train.csv进行编码，保存为features/autoencoded_data.csv。
然后从features/autoencoded_data.csv中拆分出features/autoencoded_test_data.csv和features/autoencoded_train_data.csv。再从preprocessing/test_data.csv中拆分features/autoencoded_train_y.csv和features/autoencoded_test_y.csv。
LSTM 的训练是以features/autoencoded_train_data.csv作为输入，features/autoencoded_train_y.csv作为输出进行的。训练完成后有根据features/autoencoded_test_data.csv和features/autoencoded_test_y.csv评估拟合程度。数据的预测上，