# predict-stock-price

**Repository Path**: muyun12/predict-stock-price

## Basic Information

- **Project Name**: predict-stock-price
- **Description**: 预测股票价格的算法练习项目
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-08-03
- **Last Updated**: 2025-08-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 股票价格预测系统

本项目使用线性回归算法实现股票价格预测功能，支持输入股票代码，自动获取历史价格数据，展示数据信息，并预测未来一周的股价走势。

请勿用于实际交易，仅用于学习和研究目的。

## 项目结构

- `data/` - 存储下载的股票数据文件
- `models/` - 存储训练好的模型文件
- `scripts/` - 各个功能模块脚本
  - `download_data.py` - 数据下载模块
  - `prepare_data.py` - 数据准备模块
  - `train_model.py` - 模型训练模块
  - `predict_price.py` - 股价预测模块
- `main.py` - 主程序入口

## 功能特性

1. **数据下载**：根据用户输入的股票代码自动获取历史价格数据并保存到本地
2. **数据准备**：处理下载的数据，为模型训练做准备
3. **模型训练**：使用线性回归模型进行训练，并将训练好的模型保存到本地
4. **股价预测**：加载训练好的模型，预测未来一周的股价走势
5. **可视化显示**：图表展示预测结果

## 安装依赖

在运行程序之前，请确保安装了所需的依赖包：

```bash
pip install -r requirements.txt
```

## 使用方法

### 方法一：使用主程序菜单（推荐）

运行主程序：

```bash
python main.py
```

然后按照菜单提示选择相应功能：
1. 下载股票数据
2. 数据准备
3. 模型训练
4. 股价预测
5. 退出

### 方法二：单独运行各模块

1. **下载数据**：
```bash
python scripts/download_data.py
```

2. **数据准备**：
```bash
python scripts/prepare_data.py
```

3. **模型训练**：
```bash
python scripts/train_model.py
```

4. **股价预测**：
```bash
python scripts/predict_price.py
```

## 工作流程

1. **数据下载**：使用 `yfinance` 库获取指定股票的历史价格数据并保存为CSV文件
2. **数据准备**：读取CSV文件，将日期转换为数值，准备特征和目标变量
3. **模型训练**：使用 scikit-learn 的 `LinearRegression` 模型进行训练，并保存模型到PKL文件
4. **性能评估**：计算均方误差(MSE)和决定系数(R²)来评估模型性能
5. **预测**：加载训练好的模型，预测未来一周的股价
6. **可视化**：使用 matplotlib 绘制预测结果

## 注意事项

- 股票价格预测具有很高的不确定性，本系统仅供学习和参考
- 线性回归是一种简单的预测方法，实际股价受多种复杂因素影响
- 请勿将预测结果作为投资决策的唯一依据
- 各个模块需要按顺序执行：数据下载 → 数据准备 → 模型训练 → 股价预测

## 依赖库说明

- `yfinance`：获取股票数据
- `pandas`：数据处理
- `numpy`：数值计算
- `matplotlib`：数据可视化
- `scikit-learn`：机器学习模型
- Python标准库：os, glob, pickle, datetime, sys