astock-loaders 0.1.3

A股市场分析提供强大的训练和测试数据集，支持大型模型开发。它生成适用于金融数据处理的Keras数据加载器，简化数据准备过程，使分析师和数据科学家专注于模型开发。功能包括数据标准化、增强和批处理，是在A股市场领域利用深度学习技术的必备工具。

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。