以下是一个在 Python 3.8 环境下，使用 `tensorflow-cpu` 实现获取粤桂股份 A 股数据，并进行 LSTM/GRU 模型训练和预测的代码示例。这里使用 `tushare` 库来获取股票数据。 ```python import tushare as ts import numpy as np import pandas as pd import tensorflow as tf from sklearn.preprocessing import MinMaxScaler import matplotlib.pyplot as plt # 设置 tushare 的 token ts.set_token('your_tushare_token') pro = ts.pro_api() # 获取粤桂股份（000833.SZ）的历史数据 df = pro.daily(ts_code='000833.SZ', start_date='20100101', end_date='20231231') df = df.sort_values('trade_date') # 提取收盘价作为预测目标 close_prices = df['close'].values.reshape(-1, 1) # 数据归一化 scaler = MinMaxScaler(feature_range=(0, 1)) scaled_close_prices = scaler.fit_transform(close_prices) # 准备训练数据 sequence_length = 60 X = [] y = [] for i in range(sequence_length, len(scaled_close_prices)): X.append(scaled_close_prices[i - sequence_length:i, 0]) y.append(scaled_close_prices[i, 0]) X, y = np.array(X), np.array(y) X = np.reshape(X, (X.shape[0], X.shape[1], 1)) # 划分训练集和测试集 train_size = int(len(X) * 0.8) X_train, X_test = X[:train_size], X[train_size:] y_train, y_test = y[:train_size], y[train_size:] # 构建 LSTM 模型 lstm_model = tf.keras.Sequential([ tf.keras.layers.LSTM(50, return_sequences=True, input_shape=(X_train.shape[1], 1)), tf.keras.layers.LSTM(50, return_sequences=False), tf.keras.layers.Dense(25), tf.keras.layers.Dense(1) ]) # 编译 LSTM 模型 lstm_model.compile(optimizer='adam', loss='mean_squared_error') # 训练 LSTM 模型 lstm_model.fit(X_train, y_train, batch_size=1, epochs=1) # 构建 GRU 模型 gru_model = tf.keras.Sequential([ tf.keras.layers.GRU(50, return_sequences=True, input_shape=(X_train.shape[1], 1)), tf.keras.layers.GRU(50, return_sequences=False), tf.keras.layers.Dense(25), tf.keras.layers.Dense(1) ]) # 编译 GRU 模型 gru_model.compile(optimizer='adam', loss='mean_squared_error') # 训练 GRU 模型 gru_model.fit(X_train, y_train, batch_size=1, epochs=1) # 使用 LSTM 模型进行预测 lstm_predictions = lstm_model.predict(X_test) lstm_predictions = scaler.inverse_transform(lstm_predictions) # 使用 GRU 模型进行预测 gru_predictions = gru_model.predict(X_test) gru_predictions = scaler.inverse_transform(gru_predictions) # 反归一化真实值 y_test = scaler.inverse_transform(y_test.reshape(-1, 1)) # 绘制 LSTM 预测结果 plt.plot(y_test, label='Actual Prices') plt.plot(lstm_predictions, label='LSTM Predictions') plt.title('LSTM Stock Price Prediction') plt.xlabel('Time') plt.ylabel('Stock Price') plt.legend() plt.show() # 绘制 GRU 预测结果 plt.plot(y_test, label='Actual Prices') plt.plot(gru_predictions, label='GRU Predictions') plt.title('GRU Stock Price Prediction') plt.xlabel('Time') plt.ylabel('Stock Price') plt.legend() plt.show() ``` ### 代码说明 1. **数据获取**：使用 `tushare` 库获取粤桂股份（000833.SZ）的历史数据，需要替换 `your_tushare_token` 为你自己的 tushare token。 2. **数据预处理**：提取收盘价并进行归一化处理。 3. **数据准备**：将数据转换为适合 LSTM 和 GRU 模型输入的格式。 4. **模型构建**：分别构建 LSTM 和 GRU 模型，并进行编译。 5. **模型训练**：使用训练数据对 LSTM 和 GRU 模型进行训练。 6. **模型预测**：使用训练好的模型对测试数据进行预测，并将预测结果反归一化。 7. **结果可视化**：绘制真实股价和预测股价的对比图。