数据挖掘课程项目，实现了股票预测和回测

1. 使用kaggle上的数据集 New York Stock Exchange 并对数据集进行了一些预处理。
2. 基于以上数据集训练了一个Nonstationary Transformers模型。
3. 实现一个ARIMA预测模型
4. 基于Windows桌面窗口和网页分别实现了股票的预测和回测系统
5. 实现了基于万得的api接口获取和分析国内的股票的系统
6. 基于Flask实现分析、预测、回测系统的应用后端，基于ECharts实现网页前端

预备工作主要为下面两种功能提供支持

1. 使用万得Wind API插件实时获取国内股票的高开低收和交易量数据
2. 分析已有的New York Stock Exchange高开低收和交易量数据

需要下载万得金融终端，申请万得账号，并按照Wind API插件使用手册 进行安装。

将数据集下载后，将 prices-split-adjusted.csv 文件放到 meta_data 目录下， 并在该目录下运行preprocess.py

python preprocess.py

在 stock_prediction_and_backtesting_system 目录下运行 price_predict_system.py

cd stock_prediction_and_backtesting_system
python price_predict_system.py

可以在windows桌面窗口完成预测和回测。 预测界面

回测界面

回测结果

在项目目录下运行app.py

python app.py

输入股票代码以及预测的项目(高开低收)以及训练、测试日期等信息后，可以得到绘制的k线图

注意，股票代码的候选集可以在 data_api/constant.py 里找到，使用万得API的候选集为CODE_LIST；使用New York Stock Exchange数据集的候选集为 NEW_YORK_STOCK_CODE

在完成数据可视化步骤，选择模型(ARIMA, Nonstationary Transformers)后可以对预测的项目进行预测

回测需要基于Wind API完成，在选择多个候选股票代码以及输入有关信息后，可以获得回测盈利率的图像。