项目简介
astock_loads是专为深度学习模型训练和预测而设计的高质量A股市场数据集。该数据集包括丰富的金融信息，旨在帮助研究人员和开发者构建、验证及部署股市预测模型。
特点与优势
- 实时的A股数据，非交易日缓存数据，交易日会实时更新，并保持节流。
- 提供多个数据预测的数据结构，包括时间序列等
- 数据采集周期长，覆盖个股的所有交易数据。
- 提供简单易用的接口，便于快速集成。
数据集概述
包含了众多的数据集。
预测涨跌的数据集 TrendLoader
在股市分析中，个股的历史交易数据对于预测未来的股价走势具有重要意义。通过时间序列的方式，我们可以将个股的历史数据组织为有用的信息，用于构建预测模型。
数据特征
每一日的交易数据包含以下五个基本特征：开盘价，收盘价，最高价，最低价和成交量。
这些特征将作为模型的输入样本，以便于对未来股价走势进行准确的预测。
数据样本构建
我们使用连续的 n 个交易日数据作为一个数据样本，并使用下面的分类标签来标记未来的股价走势。
目标标签
标签的分类为一个五分类问题，包括以下类别：
- 猛涨 🚀
- 微涨 📈
- 走平 ⚖️
- 微跌 📉
- 猛跌 ⬇️
通过取之后连续的 m 个交易日的数据平均值，我们将基于涨幅来定义每个类别。具体分类标准如下：
- 猛涨：涨幅大于
l0个点 - 微涨：涨幅大于
l1个点 - 走平：涨幅大于
l2个点 - 微跌：涨幅大于
l3个点 - 猛跌：否则
其中，l0, l1, l2, l3是可配置的参数，例如可以设置为 [5, 2, -2, -5]。
模型输出
根据上述分类标准，最终的预测结果将转化为一个标准的五分类问题，这将帮助投资者更好地理解和把握股市的动态变化。
1 maintainer
Metadata
1 maintainer
Release files for astock-loaders 0.1.8
For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.
Source distribution (sdist)
| File | Size | Uploaded | Provenance | |
|---|---|---|---|---|
| astock_loaders-0.1.8.tar.gz | 7.5 kB | Without provenance | Details |
Built distribution (wheel)
| File | Interpreter | ABI | Platform | Reset |
|---|---|---|---|---|
| astock_loaders-0.1.8-py3-none-any.whl | Python 3 | none | any | Details |
Total release size: 17.5 kB
Release files / astock_loaders-0.1.8.tar.gz
| Download URL | astock_loaders-0.1.8.tar.gz |
|---|---|
| Size | 7.5 kB |
| Tags | Source |
|
SHA-256 checksum How to use checksums |
e37f7226027171797987464e5fd27195ee905c5b40213a734aef08738be6dc9a
|
|
BLAKE2b-256 checksum How to use checksums |
575b8cdaaaac9b3f93750fd12da1c7b26e74cc34380b39d6227395419989dbae
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
poetry/1.8.5 CPython/3.12.8 Linux/6.8.0-1017-azure
|
Release files / astock_loaders-0.1.8-py3-none-any.whl
| Download URL | astock_loaders-0.1.8-py3-none-any.whl |
|---|---|
| Size | 10.0 kB |
| Tags | Python 3 |
|
SHA-256 checksum How to use checksums |
45a1b2d3d7d5d55ff33c00d035012620dd61aaff391fa2ce1fd8734dc6ddd04e
|
|
BLAKE2b-256 checksum How to use checksums |
33c864cfa3df77b0dcc2baf9412687fe15db989722379f5f4276cadee42aea78
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
No |
| Uploaded via |
poetry/1.8.5 CPython/3.12.8 Linux/6.8.0-1017-azure
|
Security for astock-loaders 0.1.8
Provenance
Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.
No provenance found
None of the files in this release were uploaded with provenance metadata.
A note on package security
PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.
To learn more about protecting yourself from malicious actors, visit our package security documentation.
