一月中旬考完期末更新一波

Stock Trading AI

基于LSTM预测和强化学习的股票交易AI系统。该系统结合了深度学习的预测能力和强化学习的决策能力，可以自动进行股票价格预测和交易决策。

项目特点

• 使用LSTM进行股票价格走势预测
• 采用深度进化策略(Deep Evolution Strategy)进行交易决策
• 完整的数据处理和特征工程
• 可视化界面展示预测和交易结果
• 支持批量处理多支股票

环境要求

• Python 3.12+
• Poetry包管理器
• PyTorch (推荐CUDA支持)
• Gradio (用于创建Web界面)

安装

1. 克隆项目:

git clone https://github.com/MilleXi/stock_trading.git
cd stock_trading

2. 使用Poetry安装依赖:

poetry install

如果需要安装PyTorch的特定CUDA版本，请参考PyTorch官方安装指南。

使用说明

项目包含四个主要模块，按以下顺序运行：

1. 数据获取与处理

python process_stock_data.py

• 从Yahoo Finance下载股票数据
• 计算技术指标（如MA, RSI等）
• 数据预处理和清洗，包括去除缺失值、归一化等
• 结果保存在data目录中，包含处理后的历史股票数据以及技术指标

2. LSTM预测模型

python stock_prediction_lstm.py

• 使用LSTM模型预测股票价格
• 模型训练、验证、评估
• 预测结果可视化
• 结果保存在results/predictions目录

3. 强化学习交易代理

python RLagent.py

• 基于深度进化策略的交易代理
• 自动学习交易策略
• 交易结果分析
• 结果保存在results/transactions目录

4. 可视化界面

python gradio_interface.py

• 提供Web界面进行交互
• 可视化预测结果和交易决策
• 支持上传股票数据、参数调整和实时预测

项目结构

stock_trading/
├── data/                   # 存储股票数据
├── results/                # 存储结果
│   ├── predictions/        # 预测结果
│   ├── transactions/       # 交易记录
│   └── pic/               # 可视化图表
├── process_stock_data.py   # 数据处理模块
├── stock_prediction_lstm.py# LSTM预测模块
├── RLagent.py             # 强化学习交易模块
├── visualization.py        # 可视化工具
├── gradio_interface.py     # Web界面
└── README.md              # 项目文档

主要功能

1. 数据处理

   • 自动下载股票数据
   • 计算技术指标
   • 数据归一化和预处理

2. 价格预测

   • LSTM模型训练
   • 预测准确率评估
   • 预测结果可视化

3. 交易决策

   • 强化学习策略优化
   • 自动交易信号生成
   • 收益率分析

4. 可视化界面

   • 交互式操作
   • 可自由上传数据
   • 可自由调整参数并训练
   • 预测展示
   • 交易结果分析
   • 提供下载Agent交易记录

备注

• 项目使用Poetry进行依赖管理
• 如果遇到网络问题，可能需要配置代理来下载股票数据
• 建议使用GPU进行模型训练以提高性能

联系方式

如有问题或建议，欢迎在GitHub上提issue。