使用 Tensorflow 建立 Bidirectional LSTM model 用於判斷股價處於何種趨勢中。目的是將訓練完成的模型用於自動標記其他股價趨勢。
蒐集鴻海(2317)股票的分鐘開盤價格,期間從 2018-02-22 至 2018-03-21 ,一共 5054 筆資料,並以人工方式判斷各資料點價格之趨勢,將其標記為上升、持平、下跌三種趨勢,作為模型訓練標籤。
另外強調本模型的目的不在於預測未來的趨勢,而是用來判斷並標記過去資料的趨勢,用於未來模型的建立,因此本模型是以大約前後兩個小時來判斷該時間點的趨勢。
將輸入的資料分割成 256 為一筆的 sliding window 資料,並且以 Trend 在128 作為該筆資料的標籤
模型學習完成後的準確率為 93.4%
此模型還有修改空間,將來可以朝幾個方向修改:
- 增加訓練的資料量
- 加入指數衰減學習率
- 增加 LSTM 隱藏結點數量或增加隱藏層
- 以CNN模型處理類似問題
為了提高模型的實用性,未來應減少判斷趨勢時使用的時間長度,目前是使用前後2個小時,未來模型應減少至1個小時或更短。