本项目利用LSTM进行股票价格的预测。

功能：
1. 数据收集与预处理
从金融数据提供商获取历史股票价格数据，包括开盘价、收盘价、最高价、最低价和交易量等。
进行数据清洗和预处理，包括处理缺失值、标准化数据和生成时间序列特征。

2. 特征工程
生成额外的特征，例如MA、RSI等技术指标，以丰富模型的输入数据。
对数据进行时间窗口划分，创建输入序列和目标值对。

3. 模型构建与训练
使用LSTM网络构建预测模型，设置合适的网络层数、隐藏单元数和其他超参数。
采用滑动窗口方法构建训练集和验证集，确保模型能够学习到数据的时间依赖性。
进行模型训练，通过多轮迭代优化模型的参数，并使用早停法防止过拟合。

4. 模型评估与优化
使用MSE、RMSE等指标评估模型性能。
通过交叉验证和超参数调优，提升模型的预测准确率和稳定性。
最终模型在测试集上的预测准确率达到了约76%。

5. 预测与可视化
将训练好的LSTM模型应用于实际股票数据进行未来价格预测。
开发数据可视化模块，生成股票价格的预测图表，包括实际值与预测值的对比图。
提供用户界面，允许用户输入股票代码和预测时段，实时获取预测结果。

负责内容：
1. 数据收集与预处理
负责从金融数据提供商处获取历史股票数据，并进行数据清洗和预处理。
处理缺失数据，标准化数据，并生成时间序列特征。

2. 特征工程
开发并实现了技术指标计算模块，生成MA、RSI等特征。
对数据进行时间窗口划分，创建用于训练的输入序列和目标值对。

3. 模型构建与训练
设计并实现了LSTM模型的结构，包括选择合适的层数和隐藏单元数。
进行模型训练，通过优化算法调整模型参数，并使用早停法防止过拟合。

4. 模型评估与优化
负责模型性能评估，使用多种评估指标（MSE、RMSE等）衡量模型效果。
进行超参数调优，提升模型的预测准确率，并通过交叉验证提高模型的泛化能力。

5. 预测与可视化**：
- 开发预测功能模块，使用训练好的LSTM模型进行股票价格预测。
- 设计并实现了数据可视化界面，生成实际值与预测值的对比图表。
- 构建用户界面，方便用户输入股票代码和预测时段，实时获取预测结果。