前言

用股票历史的close预测未来的close。
另一篇用深度学习搞得，见：深度学习实战——CNN+LSTM+Attention预测股票

技术栈

• xgboost
• python

原理

都是很简单的小玩意，试了下发现预测的还不错，先上效果图：

有点惊讶，简单的仅仅用close的历史值就可以预测未来的值？本来想多用点特征，因为省事先用了一个特征来试试结果发现都能拟合，amazing…

大概的原理：

• 用tushare获取N天的股票数据，如下：
  
• 可以看到有很多数据可用，省事我们就先用了close而已。
• 然后就错位一下，比如窗口取100天的话，就是用前100天的close当训练数据，然后第101天的close作为label。
• 然后送到xgboost就行了。
• 预测就用某段100天的数据，来预测101天就ok了。
• 最后用万能的sns来绘制曲线图。

代码

代码用notebook跑的，注释都记录在notebook了，cpu就能跑，写的很简单。
地址：github

使用方法：

• 需要pip安装xgboost和tushare

• 在下面的代码处修改你的tushare的token，获取token参考：点这里
  

• 

• 然后运行就好了