前面的文章已经介绍，将短线个股挖掘问题转化为深度学习处理的分类问题，并且已经完成训练，将训练得到的模型保存到本地。本文将记录如何使用Keras加载模型并进行预测的过程。结果预测首先，找到训练模型保存的目录，加载模型：# 加载模型loaded_model = keras.models.load_model('./model/{}'.format(stk_code))然后，读入数据，将数据转化为字典类

上篇文章介绍了深度学习挖短线股的数据预处理部分，本文将介绍模型训练的内容。模型训练模型训练过程主要参考Keras的官方示例（链接），该示例对结构化的数据进行了分类，分别处理了特征为字符串、整形、浮点型的数据。对于当前我们所选用的训练特征而言，我们只需要处理浮点型特征。import tensorflow as tfimport numpy as npimport pandas as pdimport

前4篇文章分别记录了利用深度学习挖短线股的数据预处理、模型训练、结果预测及策略回测过程，本文记录根据筛选短线股票的过程。选股流程1.股票数据下载更新例如现在是2020年11月23日19:00，我们想找到按深度学习策略，明天应该买什么股票。那么首先将股票日线数据更新至2020年11月23日，日线数据下载可参考笔记（39）。2.股票扩展数据计算计算股票的扩展指标，参考笔记（41）第2部分内容。这里可以

本文记录使用Keras筛选短线个股的流程，主要步骤如下：准备数据，根据短线个股筛选标准，给个股日线数据打标。模型训练，针对每只股票，训练得到分类模型。策略回测，根据训练得到的模型，回测策略的各指标情况。个股筛选，根据模型筛选出当前符合买入条件的股票。...

本文记录使用Keras筛选短线个股的流程，主要步骤如下：准备数据，根据短线个股筛选标准，给个股日线数据打标。模型训练，针对每只股票，训练得到分类模型。策略回测，根据训练得到的模型，回测策略的各指标情况。个股筛选，根据模型筛选出当前符合买入条件的股票。...

PTrade提供了获取财务数据函数get_fundamentals，可以用于获取财务三大报表数据、日频估值数据、各项财务能力指标数据，数据源为恒生。

前文介绍了MySQL的安装和配置过程，本文记录将股票数据写入到MySQL的过程。安装pymysql使用python实现与MySQL的数据读写时，需要安装相关的包。由于我们搭建开发环境时选择的是Anaconda，大部分包已经被默认安装好，这里只需要手动安装pymysql：pip install pymysql主要代码分析新建源文件，命名为data_center_v7.py，全部内容见文末，v7主要涉

v10将对回测结果及相关指标进行绘图展示。backtrader平台只需要在调用cerebro.run()后，添加如下一行代码就能完成绘图工作：cerebro.plot()为了展示backtrader自动绘图功能的易定制化及强大能力，将在v10中还添加了如下指标：指数移动均值（ExponentialMovingAverage）加权移动均值（WeightedMovingAverage）...

本文将继续对backtrader的order进行介绍，具体介绍Limit订单的使用。选取平安银行（000001）2019年1月1日至2019年12月31日的日线数据进行回测。为了便于分析，回测过程中设置佣金为0，交易单位大小为100。执行规则在Limit订单创建时，会设置一个price和valid时间，如果超过valid时间订单仍未满足执行条件，订单就会过期被取消。在valid时间内，订单会按照下

上一篇文章已经完成A股日线数据的下载，本文主要记录如何使用下载好的数据，利用回测框架，对策略进行验证。回测和交易框架有多种选择，可参见链接：https://zhuanlan.zhihu.com/p/26983703。这篇文章还对其他量化“利器”进行了介绍。极宽在这些框架中选择了Backtrader，给出的说明为：“新一代TopQuant（TQ）极宽量化系统，将完全基于backtrader：类似小.