Bulbea：用于股票市场预测和建模的Python库

Bulbea 是一个基于深度学习开发的，用于股票市场预测和建模的Python库。

Bulbea 自带了不少可用于股票深度学习训练及测试的API，并且易于对数据进行扩展和延申，构建属于我们自己的数据及模型。

下面就来介绍一下这个模块。

1.准备

开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，可以访问这篇文章：超详细Python安装指南 进行安装。

**(可选1) **如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.

**(可选2) **此外，推荐大家用VSCode编辑器，它有许多的优点：Python 编程的最好搭档—VSCode 详细指南。

请选择以下任一种方式输入命令安装依赖 ：

1. Windows 环境 打开 Cmd (开始-运行-CMD)。
2. MacOS 环境 打开 Terminal (command+空格输入Terminal)。
3. 如果你用的是 VSCode编辑器 或 Pycharm，可以直接使用界面下方的Terminal.

git clone https://github.com/achillesrasquinha/bulbea.git && cd bulbea
pip install -r requirements.txt
python setup.py install

如果你无法访问Github，请在二七阿尔量化后台回复 **Bulbea **下载项目镜像（2022-11-28）.

此外，你还需要安装 Tensorflow 的CPU版本或GPU版本:

pip install tensorflow # CPU 版本
pip install tensorflow-gpu # GPU 版本 - 需要 CUDA, CuDNN

2.Bulbea 基本使用方法

Bulbea 和普通的深度学习研究项目一样，在做训练和测试时，分为四步（加载数据，预处理，建模，测试）。

2.1 加载数据

Bulbea内置了数据下载模块，让你很轻易地能够下载雅虎财经的股票数据，比如下面下载雅虎财经源的GOOGL股票数据：

>> > import bulbea as bb
 >> > share = bb.Share('YAHOO', 'GOOGL')
 >> > share.data
# Open High Low Close Volume 
# Date
# 2004-08-19 99.999999 104.059999 95.959998 100.339998 44659000.0
# 2004-08-20 101.010005 109.079998 100.500002 108.310002 22834300.0
# 2004-08-23 110.750003 113.479998 109.049999 109.399998 18256100.0
# 2004-08-24 111.239999 111.599998 103.570003 104.870002 15247300.0
# 2004-08-25 104.960000 108.000002 103.880003 106.000005 9188600.0
...

2.2 预处理

Bulbea 同样也内置了预处理模块，让你能够轻易地分割训练集和测试集：

>> > from bulbea.learn.evaluation import split
 >> > Xtrain, Xtest, ytrain, ytest = split(share, 'Close', normalize = True)

2.3 建模

Bulbea自带了RNN模型可供使用：

>> > import numpy as np
 >> > Xtrain = np.reshape(Xtrain, (Xtrain.shape[0], Xtrain.shape[1], 1))
 >> > Xtest = np.reshape( Xtest, ( Xtest.shape[0], Xtest.shape[1], 1))

 >> > from bulbea.learn.models import RNN
 >> > rnn = RNN([1, 100, 100, 1]) # number of neurons in each layer
 >> > rnn.fit(Xtrain, ytrain)
# Epoch 1/10
# 1877/1877 [==============================] - 6s - loss: 0.0039
# Epoch 2/10
# 1877/1877 [==============================] - 6s - loss: 0.0019
...

2.4 测试

通过调用sklearn的metrics就能对数据实现测试：

>> > from sklearn.metrics import mean_squared_error
 >> > p = rnn.predict(Xtest)
 >> > mean_squared_error(ytest, p)
0.00042927869370525931
 >> > import matplotlib.pyplot as pplt
 >> > pplt.plot(ytest)
 >> > pplt.plot(p)
 >> > pplt.show()

3.情感分析

Bulbea 能自动爬取相关股票在推特上的文字，并对这些文字做一个情感分析。

你只需要给Bulbea提供以下环境变量就能够进行感情色彩分析：

export BULBEA_TWITTER_API_KEY="< YOUR_TWITTER_API_KEY >"
export BULBEA_TWITTER_API_SECRET="< YOUR_TWITTER_API_SECRET >"

export BULBEA_TWITTER_ACCESS_TOKEN="< YOUR_TWITTER_ACCESS_TOKEN >"
export BULBEA_TWITTER_ACCESS_TOKEN_SECRET="< YOUR_TWITTER_ACCESS_TOKEN_SECRET >"

测试一下：

>> > import bulbea as bb
 >> > share = bb.Share('YAHOO', 'GOOGL')
 >> > bb.sentiment(share)
0.07580128205128206