股票价格预测模型测试数据集StockPricePredictionModelTestingData-yingyuehu
数据来源：互联网公开数据
标签：股票预测, 深度学习, 卷积神经网络, 股票市场, 金融数据, 时间序列分析, 模型评估, 机器学习
数据概述：
该数据集包含使用卷积神经网络（CNN）进行股票价格预测的模型测试结果，以及对应的模型文件。主要特征如下：
时间跨度：数据记录了股票价格预测的结果，时间范围主要集中在2018年。
地理范围：数据来源于中国上海证券交易所的股票。
数据维度：数据集包括股票代码、文件名、不同时间窗口（5天、20天、60天）的标签（label5, label20, label60），以及模型对60天窗口的预测结果（predictions_60）。
数据格式：提供CSV格式的测试结果文件（test_df_with_predictions_I20_P60_10EPOCH.csv）和Keras模型文件（cnn_model_I20_P60_best_epoch.keras），方便模型评估和复现。
来源信息：数据来源于股票市场，并经过了预处理，用于模型训练与测试。
该数据集适合用于股票价格预测模型性能评估，特别是针对使用CNN模型的场景。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于金融领域和机器学习交叉领域的学术研究，如股票价格预测模型性能评估、不同时间窗口的影响分析等。
行业应用：为金融行业提供数据支持，尤其适用于量化投资策略的制定、风险管理和投资组合优化等。
决策支持：支持金融机构和投资者的股票投资决策，帮助其评估预测模型的有效性。
教育和培训：作为金融工程、机器学习等课程的辅助材料，帮助学生和研究人员了解股票价格预测模型的构建与评估。
此数据集特别适合用于评估CNN模型在股票价格预测中的表现，并探索不同时间窗口对预测结果的影响，从而优化预测模型和投资策略。
