We are trying to build a model that uses pattern recognition algorithm to predict stock prices.
尝试用模式识别算法找出股票数据中的规律
"jionquant.py":
样本空间：上证所有股票
label1：涨幅较大
label0：涨幅较小以及在跌的股票
特征选择：固定选了几个特征
分类算法：二分类，随机森林算法
在输出空间中随机抽20支股票买入，测试算法准确度
written by 黄枭(Huang Xiao)
"getStocksDtat.py":
从Tushare上下载股票交易数据
可以获取基本面数据以及某一日的交易数据
可以对数据清洗，排序
written by 韩沐芾(Han Mufu)
"featureSelection_RF.py":
根据相关性选择特征
用随机森林算法训练数据
written by 姚育堃(Yao Yukun)
这个算法目前做出来效果很差
我认为股票交易算法更加看重TP/(TP+FP)
因为买股票会从Positive的pool中挑选
如果TP占Positive很少，就没有意义了
之于错分的FN，可以不用在意
后续会加入：
更好的特征选择算法
更好的分类算法，以及尝试使用回归算法
更精细的样本空间，对不同板块定制不同算法
选择股票时考虑相关性算法
以及对输出空间的数据更好的使用，对买入卖出时间的控制
有效的止损算法