搭建LSTM-CNN神经网络模型来对沪深300ETF的行情进行预测源文件源码

项目目标：设计并实现采用LSTM-CNN神经网络模型来对沪深300ETF的行情进行预测
过程：数据来自Tushare提供的沪深300行情数据，同时利用Talib库对行情数据进行加工得到行情指标，对行情进行特征工程，构建深度学习所需要的数据集， 采用的框架为Tensorflow2，用平均绝对误差、均方根差、均方差来确定系数评价模型，最后利用模型预测沪深300ETF的行情，在部分行情预测上还结合了国内的疫情数据来作为特征。
结果：从模型预测的结果来看，模型对沪深300ETF的预测在理想的区间内，对行情的预测准确率在60~70%左右，在股票预测方向上是一个比较好的结果。也可以通过套用该模型对其他行情预测进行参考。