-
使用18只股票对未来40个交易日的调整后收盘价进行预测，这是stock_price_predictions_nns_comparison项目的内容
资源介绍
“分解还是不分解：股票价格预测的不同神经网络和GBM模型之间的比较。”
在这个项目中，有9个文件：
LSTM.py具有该报告中提到的两种LSTM的代码。
TCN.py具有两个TCN的代码，但是它们具有相同的超参数。
GBM.py具有用于仿真价格几何布朗运动的代码。
stat_decompose.py将时间序列分解为三个部分：趋势，季节性和残差。
testing.py测试LSTM和TCN。
testing_GBM.py测试GBM模型。
testing_decomp3.py将八个分解模型的预测写到csv文件中。
RMSE_MAE_decompose.py从testing_decomp3生成的csv文件中收集预测，并将其与真实数据进行比较。
compare_results.py会打印出可预测某只股票以及平均RMSE和MAE的最佳模型。
报告摘要：
在这项工作中，考虑了18只