基于20天内股票高开低位及阴阳线与前日比较的涨幅数据，预测未来5天最高收盘价变动的模型（利用Keras实现）

简介：
本研究运用Keras框架构建深度学习模型，通过分析股票过去20个交易日的开盘、最低价和阴阳线变化等特征，精准预测未来5日内股价最高值的变化趋势。 模型功能：使用前20天的股票数据预测后5天最高收盘价的涨跌幅区间。 该模型分为三个部分：数据预处理、模型搭建以及模型训练与保存。 在数据预处理阶段，首先从CSV文件中提取出高开低收和成交量等关键信息。然后进行归一化及零均值化（不包括成交量），接着计算上影线、下影线，并确定实体相对于昨日收盘价的波动幅度。最后根据收盘价格将其分类并转换为one-hot格式，以适应RNN模型的数据输入要求。 在模型搭建阶段，利用Keras库中的SimpleRNN、LSTM和Conv2D来构建神经网络架构。训练数据集后20%的部分将作为测试集使用，并且采用early_stopping回调函数以及Adam优化器进行调优。 最后，在模型训练与保存环节中，对mTrain_StockData目录下的每一个股票行情文件都执行一次完整的模型训练流程。对于那些在测试集中准确率超过50%的模型，则会予以保留和存储下来。特别地，针对数据量较少但又十分重要的样本进行重视处理以保证模型性能。