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图注意力神经网络GAT与蛋白质相互作用数据模型构建、可视化及熵直方图分析
MATLAB图卷积神经网络GCN处理分子数据集节点分类研究
Python混合注意力机制-多变量-LSTM神经网络分析PM2.5、光伏电站、温度时间序列数据及RNN、ARIMAX、XGT、随机森林对比
Python生成对抗神经网络GAN预测股票及LSTMs、ARIMA对比分析ETF金融时间序列可视化
