作为一种技术手段，预测在金融、证券领域的应用非常广泛，尤其是对股票价格的预测。我们介绍一下获得股票数据的方法，并基于此对数据进行预处理，接着使用数据分析方法，建立基础特征，进一步构建预测模型，且基于新数据验证模型效果。拟使用 VAR 及LSTM两种算法建立预测模型。
获取股票数据
股票数据通常可从新浪股票、雅虎股票等网页上获取，此外还有一些炒股软件，如同花顺、通达信等都提供了非常清楚的股票数据展示和图表呈现。如果要获得实时的股票数据，可以考虑使用新浪股票提供的接口获取数据。以大秦铁路（股票代码：601006）为例，如果要获取它的最新行情，只需访问新浪的股票数据接口（具体可以百度），该接口会返回一串文本，例如：
1 var hq_str_sh601006="大秦铁路,6.980,6.960,7.010,7.070,6.950,7.010,7.020,121033256,847861533.000,18900, 7.010,214867,7.000,66500,6.990,386166,6.980,336728,6.970,273750,7.020,836066,7.030,630800,7.040,936306,7.050,579400,7.060,2016-03-18,15:00:00,00";
这个字符串由许多数据拼接在一起，不同含义的数据用逗号隔开了，按照程序员的思路，顺序号从0开始。
0：，股票名字1：6.980>，今日开盘价2：6.960>，昨日收盘价3：7.010>，当前价格4：7.070>，今日最高价5：6.950>，今日最低价6：7.010>，竞买价，即“买一”报价7：7.020>，竞卖价，即“卖一”报价8：121033256>，成交的股票数，由于股票交易以一百股为基本单位，所以在使用时，通常把该值除以一百9：847861533.000>，成交金额，单位为“元”，为了一目了然，通常以“万元”为成交金额的单位，所以通常把该值除以一万10：18900>，“买一”申请4695股，即47手11：7.010>，“买一”报价12：214867>，“买二”13：7.000>，“买二”14：66500>，“买三”15：6.990>，“买三”16：386166>，“买四”17：6.980>，“买四”18：336728>，“买五”19：6.970>，“买五”20：273750>，“卖一”申报3100股，即31手21：7.020>，“卖一”报价(22,23),(24,25),(26,27),(28,29)分别为“卖二”至“卖四的情况”30：2016-03-18>，日期31：15:00:00>，时间
这个接口对于JavaScript程序非常方便，如果要查看该股票的日K线图，可访问新浪股票的K线图接口（具体可百度），便可得到日K线图。
日K线图
如果要查看该股票的分时线，可访问链接新浪股票的分时线图接口（具体可百度），便可得到分时线图。
分时线图
对于周K线和月K线的查询，可分别访问新浪股票的周K线图和月K线图的接口（具体可百度）。Python中我们可以使用pandas_datareader库来获取股票数据，默认是访问yahoofinance的数据，其中包括上证和深证的股票数据，还有港股数据，该库只能获取股票的历史交易记录信息：如最高价、最低价、开盘价、收盘价以及成交量，无法获取个股的分笔交易明细历史记录。上证代码是ss，深证代码是sz，港股代码是hk，比如茅台：6000519.ss，万科000002.sz，长江实业0001.hk。这里以贵州茅台股票为例，说明pandas_datareader库中股票数据的获取方法及简单的可视化，代码如下：
1import pandas as pd
2import pandas_datareader.data as web
3import datetime as dt
4data = web.DataReader('600519.ss','yahoo', dt.datetime(2019,8,1),dt.datetime(2019,8,31))
5data.head
6 High Low Open Close Volume Adj Close
7# Date
8# 2019-08-01 977.000000 953.
