KittenCN/stock_prediction

解決する課題

このプロジェクトは、株価時系列予測の実験を行うためのフレームワークを提供します。データ取得や特徴量処理から、モデルの学習、推論、評価に至るまでのパイプライン全体をカバーしており、研究者が金融データに対して様々な深層学習アーキテクチャをテストできるようにします。

仕組み

このシステムはPyTorchを使用して様々な予測モデルを実装しています。API（例：akshare）を通じて市場データを取得し、利用可能な形式に前処理を行い、将来の価格変動を予測するモデルを学習させます。推論時の精度を確保するため、特徴量の次元不一致を防ぐ目的で、正規化パラメータをモデルの重みと一緒に保存します。

対象ユーザー

金融時系列予測や深層学習の実験に関心のある研究者や開発者向けに設計されています。

主な特徴

• 多様なモデルサポート: LSTM、Transformer、Hybrid、PTFT/VSSM、Diffusion、Graphモデルなど、幅広いアーキテクチャをサポートしています。
• 完全なパイプライン: データスクレイピング、前処理、学習、予測のための統合スクリプトが含まれています。
• 堅牢な検証: ユニットテストや統合テストを含む包括的なテストスイートを備え、GitHub ActionsによるCI統合も行っています。
• 柔軟な設定: YAMLベースの設定システムを使用して、特徴量やファイルパスを管理します。