股票价格预测深度学习模型测试数据集StockPricePredictionDeepLearningModelTestData-amandahu0531
数据来源：互联网公开数据
标签：股票预测, 深度学习, 图像识别, CNN模型, 金融数据, 股票市场, 模型评估, 时间序列分析
数据概述：
该数据集包含用于评估股票价格预测深度学习模型性能的测试数据。主要特征如下：
时间跨度：数据主要来源于2018年。
地理范围：数据涵盖中国上海证券交易所的股票，以股票代码“sh.600000”为例。
数据维度：数据集包括股票价格预测结果和相关特征，具体包括：文件名（filename），预测标签（label5, label20, label60分别代表未来5天、20天、60天的预测标签），股票代码（stock_code），完整文件名（full_filename），年份（year），以及模型预测的概率值（predictions_5）。
数据格式：数据集以CSV格式提供，文件名为test_df_with_predictions_I20_P5.csv，另外还包含了用于模型训练的Keras模型文件cnn_model_I20_P60_best_epoch.keras和模型训练历史记录history.pkl。数据来源于对股票价格历史数据的图像化处理，并结合深度学习模型进行预测。
该数据集适合用于评估基于卷积神经网络（CNN）的股票价格预测模型的性能。
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：适用于金融领域和人工智能交叉领域的学术研究，例如，评估不同时间窗口下的预测准确性，分析模型预测结果与实际价格走势的差异。
行业应用：为金融科技公司提供数据支持，用于开发股票价格预测系统、量化交易策略，以及风险管理工具。
决策支持：支持投资决策，帮助投资者更好地理解市场趋势，优化投资组合。
教育和培训：作为金融工程、机器学习和深度学习课程的辅助材料，帮助学生和研究人员深入理解股票价格预测模型的构建和评估过程。
此数据集特别适合用于评估不同预测时间跨度下的模型性能，并探索基于图像识别的股票价格预测方法的有效性，从而帮助用户优化预测模型、提升投资决策的效率。
