# nn

**Repository Path**: li-bu-bu-bu/nn

## Basic Information

- **Project Name**: nn
- **Description**: mmmmmmmm
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-05-27
- **Last Updated**: 2025-05-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于深度学习的股票预测系统

## 介绍
本项目是一个基于深度学习的股票预测系统，通过多种神经网络模型预测股票价格走势，并提供了回测功能以及图形用户界面。系统使用沪深300指数成分股数据进行训练和预测，通过对比不同模型的预测效果来辅助投资决策。

## 目录结构
```
│  .gitattributes          # Git属性配置文件
│  .gitignore              # Git忽略文件配置
│  backtest.py             # 回测模块，用于评估模型表现
│  data_downloader.py      # 数据下载工具，获取股票历史数据
│  GUI.py                  # 图形用户界面
│  prediction.py           # 预测模型核心代码
│  README.md               # 项目说明文档
│  strategy.py             # 交易策略定义
│  tushare_apikey.txt      # Tushare API密钥存储文件
│  
├─.idea                    # IDE配置文件目录
│  
├─__pycache__              # Python缓存文件目录
│  
└─data                     # 数据目录
    │  CNN.pt              # CNN模型存储文件
    │  densenet.pt         # DenseNet模型存储文件
    │  hs300_stocks_available.csv # 可用的沪深300股票列表
    │  
    ├─stocks               # 股票历史数据文件目录
    └─train_data           # 训练数据目录
```

## 功能特点
1. **多模型支持**: 实现了多种深度学习模型，包括CNN、LSTM、RNN、ResNet(18/34/50/101/152)、DenseNet等
2. **因子选股策略**: 支持账面市值比(BM)、动量因子(MF)、换手率因子(TR)等传统量化选股策略
3. **集成学习方法**: 通过集成多个模型的预测结果提高准确率
4. **回测系统**: 可对不同策略进行历史回测，评估模型表现
5. **可视化界面**: 提供图形界面，方便用户交互和结果展示
6. **数据自动获取**: 自动从Tushare和Baostock获取历史数据

## 主要模块说明

### 1. 数据获取模块 (data_downloader.py)
- 使用Tushare和Baostock API获取股票历史数据
- 支持沪深300成分股数据下载
- 可配置数据时间范围、训练集和测试集划分

### 2. 预测模型模块 (prediction.py)
- 实现了多种深度学习模型架构：
  - CNN模型：用于图像特征提取的卷积神经网络
  - RNN模型：包括LSTM、GRU、RNN_TANH、RNN_RELU等循环神经网络
  - ResNet模型：包含18/34/50/101/152等不同深度的残差网络
  - DenseNet模型：密集连接的卷积神经网络
- 提供模型训练、保存和加载功能
- 支持批量预测和单股票预测

### 3. 策略模块 (strategy.py)
- 实现了多种选股策略：
  - 账面市值比(BM)选股：选择账面市值比最高的股票
  - 动量因子(MF)选股：基于历史价格动量选股
  - 换手率因子(TR)选股：基于异常换手率选股
  - 深度学习模型选股：使用各种神经网络模型预测未来涨幅
  - 集成学习选股：综合多个模型结果选股

### 4. 回测模块 (backtest.py)
- 模拟交易环境，评估不同策略的历史表现
- 支持多策略并行回测和性能对比
- 生成收益率曲线和超额收益率分析

### 5. 图形界面模块 (GUI.py)
- 提供用户友好的交互界面
- 支持模型和股票选择
- 展示预测结果和实际价格对比图

## 数据集说明
- 使用沪深300成分股历史数据（2018年至2024年）
- 特征包括：开盘价、最高价、最低价、收盘价、前收盘价、换手率、市盈率、市销率、市现率、市净率等
- 数据分为训练集(2018-2021)和测试集(2021-2024)

## 安装教程

1. 克隆仓库到本地
2. 安装所需依赖：`pip install -r requirements.txt`
3. 在`tushare_apikey.txt`中填入您的Tushare API密钥

## 使用说明

1. 首先运行`data_downloader.py`下载所需数据
2. 运行`prediction.py`训练各种深度学习模型
3. 运行`backtest.py`进行策略回测
4. 运行`GUI.py`使用图形界面查看预测结果

## 环境要求
- Python 3.8+
- PyTorch
- pandas
- numpy
- matplotlib
- tushare
- baostock
- PyQt5 (仅GUI需要)

## 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


## 特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5.  Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)