数据变得越来越重要，其核心应用“预测”也成为各个行业以及产业变革的重要力量。
对于股市来说，用人工智能来对股价进行预测成为量化投资的一个重要手段。
本项目帮助客户运用powerBI获取网易财经上茅台2020年股票数据、并用SPSSmodeler 的类神经网络模型对第二天股价涨跌幅度进行预测。
数据收集和处理：
数据对于机器学习十分重要。
没有合适的数据，就无法训练机器学习模型，运用powerBI上的数据爬取功能，获取网易财经上贵州茅台2020年全年数据、并进行数据清洗。
1、根据网页结构，构建参数和自定义函数
2、用URL高级功能获取茅台2020年数据
视频
LSTM神经网络架构和原理及其在Python中的预测应用
视频
人工神经网络ANN中的前向传播和R语言分析学生成绩数据案例
视频
CNN（卷积神经网络）模型以及R语言实现
3 、用 powerQuery 编辑器对日期、涨跌幅等数据进行清洗和加工，得到规范的数据。
用 SPSSmodeler 进行数据建模
载入数据，进行数据分区，随机选取 80% 数据训练模型、 20% 的数据进行测试。
构建增强型的类神经网络模型，对第二天股票涨跌幅度进行预测
对模型进行分析：其标准差为 0.996 、线性相关性为 0.806 ，模型基本符合要求。
修改模型参数和抽样比等对模型进行优化
随时关注您喜欢的主题
可以看出，第二天股价的预测值和真实值趋势基本保持一致，但是预测时间越长其预测的准确度越低。
对于股票预测，模型的准确度与数据量的大小、K线关键技术指标、模型的选择有很大的关系。通过不断地改进模型和方法，股票的走势是可以大致进行的预测的。
关于作者
Xu Zhang
在此对Xu Zhang对本文所作的贡献表示诚挚感谢，他专注数据采集、统计分析领域。擅长Excel、MySQL、powerBI、TableauBI、SPSSmodeler、Python。
Python农作物种植策略研究GA-BP神经网络、蒙特卡洛算法、自注意力Stacking集成模型及粒子群算法PSO优化基于华北山区乡村农作物数据及地块数据
MATLAB奥运会奖牌预测研究 —CNN神经网络、逻辑回归、Liang-Kleeman信息流、多元回归及随机森林模型的因果关联与概率预测|附代码数据
Python可口可乐股票交易数据分析：KMeans-RF-LSTM多模型融合聚类、随机森林回归价格预测与交易模式识别
Python实现Transformer神经网络时间序列模型可视化分析商超蔬菜销售数据筛选高销量单品预测|附代码数据
