AutoTrading

DSAI HW2

Data analysis

擷取出close、open、high、low的資料並將其可視化。

training data 中close、open、high、low趨勢圖:

testing data 中 close、open趨勢圖:

由上圖可以發現close、open之間存在延遲一天的關係故兩者具有一定的關係存在，因此將使用close、open作為模型訓練的特徵。

Method & Model training

由上述資料分析後選擇close、open作為特徵，並以常用於預測時間序列資料的模型LSTM作為此次的訓練模型。

需要預測20天的股票開盤價，因此在訓練資料中以每20筆資料預測1筆的方式去做模型的訓練。

LSTM Model Summary:

Predict Result:

Trader Strategy

判斷目前股票數量為0、1或-1，並以買入之收盤價與預測收盤價比較，以此為依據判斷動作為買、賣、持有

並記錄每一次買入時所花費的價錢。

從training data中可以發現，每天漲跌起伏大多都在1塊左右，因此在20天的action中，將買入股票的開盤價與預測的開盤價比價差

當價差大於時賣出，反之持有。

ex1:持有股票數量為0，預測開盤價<預測前一天開盤價(跌)則買入，action為1，反之賣空，action為-1。

ex2:持有股票數量為-1，預測開盤價與賣空價價差小於0.6則買入，action為1，反之持有，action為0。

ex3:持有股票數量為1，當時買入此張股票的開盤價與預測開盤價價差小於0.6則繼續持有，action為0，反之賣出，action為-1。

    持有股票 |     預測開盤價與買進開盤價比較    | 動作 
   -------------------------------------------------
       0    |    預測開盤價 < 預測前一天開盤價  |   1  
   -------------------------------------------------
       0    |    預測開盤價 > 預測前一天開盤價  |  -1  
   -------------------------------------------------
       1    |      預測開盤價 < 買進開盤價     |   0  
   -------------------------------------------------
       1    |      預測開盤價 > 買進開盤價     |  -1  
   -------------------------------------------------
      -1    |      預測開盤價 < 賣空開盤價     |   1  
   -------------------------------------------------
      -1    |      預測開盤價 > 賣空開盤價     |   0  
   -------------------------------------------------

Run the code

環境 Python 3.7.1

conda create -n test python==3.7

activate test

路徑移至requirements.txt所在的資料夾，輸入安裝套件指令:

conda install --yes --file requirements.txt

將trader.py、training.csv、testing testing.csv、output.csv載下後(需在同資料夾內)

輸入以下指令:

python trader.py --training training.csv --testing testing.csv --output output.csv