这个项目主要是使用Tensorflow 2.x,搭建了多种模型对5年期的国债数据进行了预测,分为连续型的预测(回归)和离散型的预测(分类)两部分。
目录名 | 描述 |
---|---|
checkpoint/ | |
data/ | 数据目录,主要包括原始数据和生成的中间数据 |
logs/ | |
img/ | |
cnn.ipynb | conv1卷积神经网络目录 |
lstm.ipynb | lstm神经网络目录 |
cnn-lstm.ipynb | cnn-lstm神经网络目录 |
arma.ipynb | arma模型目录 |
feature_engineer.ipynb | 常用的金融时间序列特征工程挖掘方法目录 |
shibor数据获取.ipynb | shibor目录 |
for_paper.ipynb | 该目录下主要有一个将多张图片合成为一张图片的代码 |
金融时间序列特征分析.ipynb | 该目录主要对金融时间序列进行了分析 |
-
用滑动窗口搭建神经网络的代码主要参考自北京大学曹健老师慕课Tensorflow笔记
-
金融时间序列特征分析.ipynb 所有代码几乎全部来自https://www.heywhale.com/mw/project/5f914ae1e200680030f4452e/
-
https://tensorflow.google.cn/guide/keras/functional?hl=zh_cn
-
https://machinelearningmastery.com/cnn-long-short-term-memory-networks/