TensorFlow

项目背景随着金融市场数据规模快速增长，传统量化策略依赖人工经验设计因子和规则，难以充分挖掘复杂时间序列中的隐藏规律。本项目探索深度学习模型在量化投资策略预测中的应用。核心功能金融行情数据采集与预处理多维特征工程与因子构建LSTM/GRU/Transformer时间序列预测模型量化策略生成与历史回测收

项目包含数据读取与清洗、归一化处理、灰色关联度分析特征筛选、WGAN合成样本生成、LSTM时序预测、误差评估（MSE/RMSE/MAE）和结果可视化等模块，核心功能是在小样本金融数据条件下提升股价预测精度与稳定性。