股票价格预测源代码。

简介：
利用递归神经网络对苹果公司股价进行预测，采用了LSTM递归神经网络对Apple Inc.进行OHLC（开盘价、最高价、最低价、收盘价）数据的平均值进行分析。该数据集来源于Yahoo Finance网站，并以CSV格式获取，包含从2011年1月3日至2017年8月13日期间苹果公司股票的开盘价、最高价、最低价和收盘价信息，总计1664行数据。 此外，该数据集还包含了价格指标，包括OHLC平均值（开盘价、最高价、低价和收盘价的平均值）、HLC平均值（高价、低价和收盘价的平均值）以及收盘价。 在本项目中，主要采用了OHLC平均值。 数据预处理过程中，原始数据集被转换成OHLC平均值的形式，最终形成两列时间序列数据：第一列代表时间t时刻的股票价格，第二列则代表时间t+1时刻的股票价格。为了确保模型的稳定性和准确性，所有数值均被缩放到0到1之间的范围。 模型设计方面，我们构建了一个RNN模型，其中包含了两个堆叠的顺序LSTM层以及一个密集层，该模型使用了Keras深度学习库来实现。由于此项目属于回归任务，因此模型的设计重点在于预测股票价格的变化趋势。