项目总结.md

股票预测模型项目总结

项目概述

本项目是一个基于机器学习的股票预测系统，使用LightGBM算法预测股票未来1-3天的涨跌趋势，并提供测试准确率评估功能。

主要功能

1. 股票数据获取：使用akshare获取股票历史数据
2. 技术指标计算：支持多种技术指标（MA、MACD、RSI、KDJ等）
3. 机器学习模型：基于LightGBM的股票涨跌预测模型
4. 准确率评估：同时提供训练准确率和测试准确率
5. 批量分析：支持从stockcode.txt文件批量分析股票
6. GUI界面：直观的用户界面，支持结果展示和导出

核心实现

1. 测试准确率功能

在main_controller_enhanced4.py的train_model方法中实现：

• 使用8:2的比例分割训练集和测试集
• 计算训练准确率和测试准确率
• 通过键名train_accuracy和test_accuracy返回结果

2. 数据获取

• 支持akshare、腾讯财经等多种数据源
• 自动处理股票代码格式
• 提供数据标准化和清洗

3. 模型训练

• 特征工程：基于价格变化率的特征提取
• 模型选择：LightGBM分类器
• 参数优化：自动调整的模型参数

文件结构

├── main_controller_enhanced4.py  # 主程序文件
├── stockcode.txt                 # 股票代码文件
├── requirements.txt              # 依赖包列表
├── 测试准确率说明.md              # 测试准确率功能说明
├── 项目总结.md                    # 项目总结文档
└── 各类测试脚本                   # 功能验证脚本

使用方法

1. 安装依赖

pip install -r requirements.txt

2. 配置股票代码

编辑stockcode.txt文件，添加要分析的股票代码，格式如下：

600036 招商银行
601318 中国平安
000858 五粮液

3. 运行主程序

python main_controller_enhanced4.py

4. 使用命令行测试

python command_line_test.py

注意事项

1. 股票代码格式：只需要数字部分，不需要前缀（如sz.或sh.）
2. 数据获取限制：部分股票可能因为API限制无法获取数据
3. GUI显示：在某些环境下可能无法正常显示GUI界面
4. 模型准确率：股票预测模型的准确率受市场波动影响较大

模型改进建议

1. 增加更多技术指标作为特征
2. 尝试不同的机器学习算法
3. 优化特征工程
4. 增加时间序列分析方法
5. 考虑市场情绪等外部因素

总结

本项目成功实现了股票预测模型的测试准确率功能，核心功能已经验证正常。系统支持GUI操作和批量分析，适合用于股票投资辅助决策。