2023和鲸夏令营创作活动【黄金价格分析预测】

一、项目背景

本项目的目标是分析并预测2012年至2022年的黄金成交价格。我们将使用时间序列数据，并采用LSTM模型进行预测。

二、数据说明

数据集包含以下字段：

• Date：日期
• Close/Last：收盘价
• Volume：成交量
• Open：开盘价
• High：最高价
• Low：最低价

数据缺失情况如下：

• Date：0
• Close/Last：0
• Volume：39
• Open：0
• High：0
• Low：0

在接下来的分析中，我们将首先进行数据探索性分析和可视化，然后使用LSTM模型进行预测，并对预测结果进行可视化。

三、数据预处理

在进行数据分析之前，我们需要对数据进行预处理。这包括处理缺失值，转换数据类型等。

import pandas as pd

df = pd.read_csv('gold_data.csv')

df.head()

# 查看数据信息，包括每列的数据类型和非空值数量
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2547 entries, 0 to 2546
Data columns (total 6 columns):
 #   Column      Non-Null Count  Dtype  
---  ------      --------------  -----  
 0   Date        2547 non-null   object 
 1   Close/Last  2547 non-null   float64
 2   Volume      2508 non-null   float64
 3   Open        2547 non-null   float64
 4   High        2547 non-null   float64
 5   Low         2547 non-null   float64
dtypes: float64(5), object(1)
memory usage: 119.5+ KB

从上述信息中，我们可以看到，数据集中有2547条记录，其中’Volume’列有39个缺失值。'Date’列的数据类型为object，我们需要将其转换为datetime类型以便进行时间序列分析。

# 处理缺失值
# 由于Volume列存在缺失值，我们选择使用前一天的Volume值进行填充
df['Volume'].fillna(method='ffill', inplace=True)

# 将Date列的数据类型转换为datetime
df['Date'] = pd.to_datetime(df['Date'])

# 再次查看数据信息
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2547 entries, 0 to 2546
Data columns (total 6 columns):
 #   Column      Non-Null Count  Dtype         
---  ------      --------------  -----         
 0   Date        2547 non-null   datetime64[ns]
 1   Close/Last  2547 non-null   float64       
 2   Volume      2547 non-null   float64       
 3   Open        2547 non-null   float64       
 4   High        2547 non-null   float64       
 5   Low         2547 non-null   float64       
dtypes: datetime64[ns](1), float64(5)
memory usage: 119.5 KB

四、数据探索性分析

在进行预测之前，我们先对数据进行探索性分析，以了解数据的基本情况。

import pyecharts.options as opts
from pyecharts.charts import Line

# 绘制收盘价的时间序列图
line = (
    Line(init_opts=opts.InitOpts(width="800px", height="400px"))
    .add_xaxis(df['Date'].tolist())
    .add_yaxis("Close/Last Price", df['Close/Last'].tolist())
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="Gold Price Close/Last Time Series"),
                     xaxis_opts=opts.AxisOpts(name="Date"),
                     yaxis_opts=opts.AxisOpts(name="Close/Last Price"))
)

line.render_notebook()

从上图我们可以看出，黄金的收盘价在2012年至2022年期间总体上呈现出上升的趋势，但在某些时间段内也出现了波动。这种时间序列的特性使得我们可以使用LSTM模型进行预测。

五、构建LSTM模型预测

接下来，我们将使用LSTM模型对黄金价格进行预测。

1、构建LSTM模型

from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
import torch
import torch.nn as nn
import matplotlib.pyplot as plt

# 数据归一化
scaler = MinMaxScaler(feature_range=(-1, 1))
data = scaler.fit_transform(df['Close/Last'].values.reshape(-1, 1))

# 划分训练集和测试集
train_data, test_data = train_test_split(data, test_size=0.2, shuffle=False)

# 转换为tensor
train_data = torch.FloatTensor(train_data).cuda()
test_data = torch.FloatTensor(test_data).cuda()

# 定义LSTM模型
class LSTM(nn.Module):
    def __init__(self, input_size=1, hidden_layer_size=200, output_size=1):
        super().__init__()
        self.hidden_layer_size = hidden_layer_size

        self.lstm = nn.LSTM(input_size, hidden_layer_size)

        self.linear = nn.Linear(hidden_layer_size, output_size)

        self.hidden_cell = (torch.zeros(1,1,self.hidden_layer_size).cuda(),
                            torch.zeros(1,1,self.hidden_layer_size).cuda())

    def forward(self, input_seq):
        lstm_out, self.hidden_cell = self.lstm(input_seq.view(len(input_seq) ,1, -1), self.hidden_cell)
        predictions = self.linear(lstm_out.view(len(input_seq), -1))
        return predictions[-1]

# 训练模型
model = LSTM().cuda()
loss_function = nn.MSELoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

epochs = 100
losses = []

for i in range(epochs):
    for seq in train_data:
        optimizer.zero_grad()
        model.hidden_cell = (torch.zeros(1, 1, model.hidden_layer_size).cuda(),
                            torch.zeros(1, 1, model.hidden_layer_size).cuda())

        y_pred = model(seq)

        single_loss = loss_function(y_pred, seq)
        single_loss.backward()
        optimizer.step()

    losses.append(single_loss.item())
    if i%25 == 1:
        print(f'epoch: {
      
      i:3} loss: {
      
      single_loss.item():10.8f}')

print(f'epoch: {
      
      i:3} loss: {
      
      single_loss.item():10.10f}')

epoch:   1 loss: 0.00053112
epoch:  26 loss: 0.00000370
epoch:  51 loss: 0.00000417
epoch:  76 loss: 0.00000103
epoch:  99 loss: 0.0000000606

2、绘制loss的变化曲线

# 绘制loss的变化曲线
line = (
    Line(init_opts=opts.InitOpts(width="800px", height="400px"))
    .add_xaxis(range(epochs))
    .add_yaxis("Loss", losses)
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(title_opts=opts.TitleOpts(title="Loss Curve"),
                     xaxis_opts=opts.AxisOpts(name="Epoch"),
                     yaxis_opts=opts.AxisOpts(name="Loss"))
)

line.render_notebook()

3、进行预测

import numpy as np
# 使用训练好的模型进行预测
model.eval()

test_inputs = train_data[-100:].tolist()
test_outputs = []

for i in range(len(test_data)):
    seq = torch.FloatTensor(test_inputs[-100:]).cuda()
    with torch.no_grad():
        model.hidden = (torch.zeros(1, 1, model.hidden_layer_size).cuda(),
                        torch.zeros(1, 1, model.hidden_layer_size).cuda)
        test_inputs.append(test_data[i])
        test_outputs.append(model(seq).item())

# 反归一化
predicted_price = scaler.inverse_transform(np.array(test_outputs).reshape(-1, 1))

# 绘制预测结果
plt.figure(figsize=(12, 6))
plt.plot(range(len(train_data), len(train_data) + len(predicted_price)), predicted_price, color='r', label='Predicted Price')
plt.plot(range(len(data)), scaler.inverse_transform(data), color='b', label='Actual Price')
plt.legend()
plt.show()

# 打印预测准确率
print('预测准确率：', 1 - np.mean(np.abs((predicted_price - scaler.inverse_transform(data[len(train_data):])) / scaler.inverse_transform(data[len(train_data):]))))

预测准确率： 0.8444566607225441