TensorFlow - LSTM을 사용하여 apple 주식 예측하기

데이터는 말씀해주시면 언제든지 보내드리겠습니다.

import pandas as pd
import tensorflow as tf
from keras.models import Model
from keras.layers import Input, Dense, Flatten, Dropout, LSTM
from keras.utils import plot_model, to_categorical
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
data = pd.read_csv('AAPL.csv')

라이브러리와 데이터를 읽습니다.

def normalization(x):
  x_min = x.min(axis=0, keepdims=True)
  x_max = x.max(axis=0, keepdims=True)
  x_normalized = (x - x_min) / (x_max - x_min)
  return x_normalized
x_data = pd.DataFrame({
  'Open': data['Open'],
  'High': data['High'],
  'Low': data['Low'],
  'Close' : data['Close'],
  'Volume': data['Volume']
})
x_data = np.array(x_data)
y_data = data['Open']
y_data = np.array(y_data)
x_data = normalization(x_data)
y_data = normalization(y_data)
plt.plot(y_data)
plt.ylabel('dollar')

데이터는 최소 0 최대 1로 정규화 시키고, x(학습에 사용될 데이터)와 y(결과)로 나눕니다.
여기선 15일의 시장가를 확인하고, 시장의 open가격을 맞추는 것이 네트워크가 할 일 입니다.
plot 결과는 밑에 있습니다.

x_data = x_data[5000:] # 학습에 방해될거 같은 5000번 이전의 데이터 삭제
y_data = y_data[5000:]
plt.plot(y_data)
plt.ylabel('dollar')
x_data_flat = []
y_data_flat = []
for i in range(y_data.shape[0]-15):
  x_flat = x_data[(1*i):(1*i+15),:]
  y_flat = y_data[(1*i+15)]
  x_data_flat.append(x_flat)
  y_data_flat.append(y_flat)
x_data_flat,y_data_flat = np.array(x_data_flat), np.array(y_data_flat)

5000번 밑에는 너무 옛날 data라 버려주고, x와 y 데이터를 15일에 알맞게 나눠줍니다.

5000번 이하를 버린  y값은 이렇게 나왔습니다.

x_train = x_data_flat[0:-10,:,:]
x_test = x_data_flat[-10:,:,:]
y_train = y_data_flat[0:-10]
y_test = y_data_flat[-10:]
input = Input(shape = (15,5))
x = LSTM(64, return_sequences = True)(input)
x = LSTM(64)(x)
output = Dense(1)(x)
model = Model(inputs = input, outputs = output)
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),loss="mean_squared_error",metrics=['mean_absolute_error'])
hist = model.fit(x_train, y_train, validation_split = 0.2, batch_size = 32, epochs = 100)

train과 test를 나눠주고, 네트워크를 위와같이 짰습니다. 그렇게 큰 네트워크가 아니라 2분 전후로 끝날 것 입니다.

model.evaluate(x_test, y_test)

이렇게 test로 평가해보면 mse loss는 8 e^(-4)로 예측을 잘 한것을 볼 수 있습니다.

predict_y = model.predict(x_test)
plt.plot(y_test, label='Real value')
plt.plot(predict_y, label='predict value')
plt.legend()

plot한 값을 봐도 준수하게 따라간 것을 볼 수 있습니다.
다른 값을 넣고, 네트워크를 수정하실 것 이면 조금만 바꿔도 될 것입니다.