PyTorch实现LSTM股价预测：从数据处理到模型评估的完整指南

简介：基于Python与PyTorch框架实现LSTM对股票价格预测的完整源码项目，面向正在完成期末大作业、课程设计或毕业设计的计算机专业学生，也适合希望动手实践深度学习时序预测的初学者。压缩包共14个文件，包含5个Python脚本、3个pyc缓存、2张示意图片、CSV数据文件、Markdown说明及pkl模型文件，整体仅359KB，结构紧凑，下载后即可解压运行。项目源码经导师指导审定，评审分达98分，所有代码均经过本地编译与严格调试，覆盖数据加载、数据集构建、LSTM模型定义、训练、评估及结果可视化等完整流程，并配有依赖清单与配套说明文档，能够帮助读者快速理解LSTM在股价预测中的应用逻辑与调参思路。该资源已有90人学习下载，难度较为适中，尤其适合作为深度学习课程设计参考、毕业设计模块或入门实战项目。

1. 用LSTM预测股价：不是玄学，但也不是印钞机

LSTM做股票价格预测，是Python学习路线里最常被点名的期末大作业题目之一。这个基于PyTorch的LSTM股票预测项目，包含从数据解析、数据集构造、模型训练到评估可视化的完整脚本，解压后装好依赖，依次运行train.py和evaluate.py，就能看到预测曲线与评估指标。

它解决的核心问题是：给定一段历史收盘价序列，让LSTM把序列中的规律学出来，预测下一天的价格。项目经过导师指导和助教审定，评审分98分，源码做过严格调试，不是解压后跑不起来的半成品。

适合正在做期末大作业、课程设计的计算机专业学生，也适合想完整走一遍数据处理到结果评估流程的Python学习者。难度适中，先把代码跑通，再对照参数理解每一步在干什么，是性价比很高的练手资源。

2. 项目骨架与数据流：六个文件各自管什么

2.1 文件清单与职责边界

解压后是一个Stock_Prediction文件夹，文件不多，但每个都有明确分工。先把职责边界梳理清楚，后面跑起来才不会慌。

另外，data存放原始CSV数据，model存放训练好的权重，img存放评估图片，__pycache__是Python自动生成的字节码缓存，不用管。README.md里有运行说明，建议先读一遍。

这个结构是典型的"数据解析→数据集→模型→训练→评估"五段式，和多数PyTorch入门项目的组织方式一致。理解这个骨架的收益在于：以后换自己的数据，只需要改parser_my.py和dataset.py两个文件，模型和训练脚本基本不用动。

2.2 数据从CSV到Tensor：parser_my.py与dataset.py的配合

parser_my.py做的事很单纯：从CSV里把价格列取出来，转成float32数组。

# parser_my.py 核心逻辑 import pandas as pd import numpy as np def parse_close_price(csv_path): df = pd.read_csv(csv_path) # 列名以实际数据为准，常见的有close/Close/收盘价 close = df['close'].values.astype(np.float32) return close

逻辑说明：pandas读入CSV后取close列，转成numpy数组。转成float32是有讲究的：PyTorch默认浮点类型就是float32，提前转好可以避免后续Tensor转换时报错或产生额外拷贝；float32比float64省一半内存，数据量大时体感明显。

列名的坑在真实数据里最常见，不同渠道下载的数据，列名可能是close、Close、收盘价，甚至带前后空格。第一次跑之前先print(df.columns)看一眼，否则KeyError很难定位。如果原始数据是Excel或接口返回的JSON，只需改这个函数的读取方式，保持"返回一维float数组"的约定，后面代码不用动。换数据时我一般会先打印close数组的长度和头尾几条数据，确认量级和区间正常，再进入下一步，免得数据源是空的或全重复，训练出完全没意义的模型。

dataset.py负责把一维价格序列切成"用过去N天预测下一天"的样本对：

# dataset.py 核心逻辑 import torch from torch.utils.data import Dataset class StockDataset(Dataset): def __init__(self, data, seq_len=10): self.data = data self.seq_len = seq_len def __len__(self): return len(self.data) - self.seq_len def __getitem__(self, index): x = self.data[index:index + self.seq_len] # 输入：过去seq_len天 y = self.data[index + self.seq_len] # 标签：后一天价格 x = torch.tensor(x, dtype=torch.float32).unsqueeze(-1) y = torch.tensor(y, dtype=torch.float32) return x, y

参数说明：seq_len是滑窗长度，取10表示用10个交易日的收盘价预测第11天。__getitem__里unsqueeze(-1)把x从(seq_len,)变成(seq_len, 1)，因为PyTorch的LSTM要求输入形状是(batch, seq_len, input_size)，这里input_size=1表示只用收盘价这一个特征。后面要加成交量的话，就把多列拼进滑窗，input_size对应变成2或更大。样本总数是len(data) - seq_len，1000天数据配seq_len=10，样本数是990个，这个边界条件算错会导致最后一个样本越界。

2.3 归一化：必须在dataset外面做

train.py里有一段MinMaxScaler归一化，把价格压到0到1之间。价格数据动辄几十到几百，不归一化直接喂LSTM，梯度很容易爆炸，loss飘到nan是家常便饭。

# train.py 数据归一化片段 from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() train_data_normalized = scaler.fit_transform(train_data.reshape(-1, 1)) test_data_normalized = scaler.transform(test_data.reshape(-1, 1))

这里有一个新手最容易踩的坑：归一化的min和max只能用训练集计算。如果先fit全量数据再切分，测试集的最高最低点信息在训练阶段就泄露给了模型，评估指标虚高，答辩时被问一句就露馅。顺序必须是：先按时间切分，再fit训练集，最后transform测试集，之后用同一个scaler做inverse_transform还原预测值。

requirements.txt里包含pandas、numpy、torch、scikit-learn、matplotlib这几项，装环境时在项目目录下执行pip install -r requirements.txt。如果本机Python环境还没配好，先把Python装好并确认pip可用，再装依赖，顺序别反，否则会出现import时ModuleNotFoundError的连环报错。

3. 模型定义与训练参数：把LSTM网络结构拆开看

3.1 LSTMModel.py里的网络结构

LSTMModel.py定义的网络非常经典：双层LSTM加一个全连接输出层，整个类不到二十行。

# LSTMModel.py 核心逻辑 import torch.nn as nn class LSTMModel(nn.Module): def __init__(self, input_size=1, hidden_size=64, num_layers=2, output_size=1): super(LSTMModel, self).__init__() self.lstm = nn.LSTM( input_size=input_size, hidden_size=hidden_size, num_layers=num_layers, batch_first=True ) self.fc = nn.Linear(hidden_size, output_size) def forward(self, x): out, (hidden, cell) = self.lstm(x) out = self.fc(out[:, -1, :]) # 取最后一个时间步输出 return out

参数说明：input_size=1对应dataset里每个时间步只喂一个价格；hidden_size=64是隐状态维度，相当于网络的记忆容量，调大能增强表达能力，但也更容易过拟合；num_layers=2是堆叠两层LSTM，第一层提取短期模式，第二层在其输出上再抽象一层；batch_first=True让输入形状是(batch, seq_len, input_size)，正好和dataset.py生成的张量对齐。

forward里out[:, -1, :]是取序列最后一个时间步的隐状态输出，这是单步预测的标准写法。LSTM每个时间步都有输出，但做单步预测只关心最后一步的状态。有一个常见误区：hidden_size不是层数，而是每一层记忆单元的宽度，它和num_layers是两个独立维度。改参数时建议一次只动一个变量并记录效果，两个一起改，出了问题根本定位不到是哪个改动引入的。

3.2 train.py的训练循环与关键超参

train.py是整个项目的主入口，流程是：读数据→归一化→构造dataset→构造DataLoader→定义模型、loss、优化器→循环训练→保存权重到model目录。

# train.py 核心训练片段 import torch import torch.nn as nn from torch.utils.data import DataLoader from dataset import StockDataset from LSTMModel import LSTMModel SEQ_LEN = 10 BATCH_SIZE = 32 EPOCHS = 150 LEARNING_RATE = 0.001 TRAIN_RATIO = 0.8 model = LSTMModel(input_size=1, hidden_size=64, num_layers=2, output_size=1) criterion = nn.MSELoss() optimizer = torch.optim.Adam(model.parameters(), lr=LEARNING_RATE) for epoch in range(EPOCHS): model.train() total_loss = 0 for x_batch, y_batch in train_loader: optimizer.zero_grad() pred = model(x_batch) loss = criterion(pred.squeeze(-1), y_batch) loss.backward() optimizer.step() total_loss += loss.item() print(f"Epoch {epoch+1}/{EPOCHS}, Loss: {total_loss / len(train_loader):.6f}")

参数说明：MSELoss是回归任务的标准选择，对较大误差施加平方惩罚，适合连续的股价预测。Adam加lr=0.001是这类小项目最稳妥的起点，不需要自己设计学习率衰减。BATCH_SIZE=32在几百到几千条数据的范围内都合理，数据量小可以降到16。EPOCHS=150不是越大越好，要观察loss是否进入平台期，如果50轮就过拟合，跑完150轮纯属浪费时间。

两个容易忽略的细节：一是pred和y_batch的形状要对齐，LSTM输出是(batch, 1)，y_batch是(batch,)，所以要pred.squeeze(-1)削掉末尾维度再算loss；二是model.train()不能省，这个模型虽然没用Dropout和BatchNorm，但养成切换模式的好习惯，以后换带这些层的模型结构时不会翻车。

3.3 训练集测试集切分：时序数据不能乱切

train.py里TRAIN_RATIO=0.8，按时间顺序取前80%做训练、后20%做测试。关键是"按时间顺序"——股价是强时序数据，如果像图像分类那样随机切分，测试样本会混在训练样本中间，等于让模型"穿越"回去预测，评估结果完全失真。

这个项目没有显式切验证集，靠训练loss趋势来观察是否过拟合。训练loss持续下降而测试指标很差，基本就是过拟合，常见应对是调小hidden_size、增大seq_len，或者在全连接层前加Dropout。更严谨的做法是从训练集末尾再切10%出来做验证集，用来挑epoch和调参，测试集留到最后只评估一次。

4. 跑通评估与可视化：evaluate.py的指标和曲线怎么读

4.1 MAE与RMSE：两个指标背后的含义差异

evaluate.py加载model目录下的权重，对测试集做预测，输出两个核心指标：平均绝对误差MAE和均方根误差RMSE。

MAE是所有预测误差绝对值的平均，单位就是价格单位，误差5元代表平均每天偏差5元。RMSE先把误差平方再取平均再开方，对大误差更敏感。如果MAE和RMSE差距明显，说明测试集里存在少数偏差特别大的点，通常对应数据里的暴涨暴跌段。比如MAE=5、RMSE=9，意味着大部分日子偏差在5元以内，但某些极端行情下偏差可能到十几二十元。

什么算好的MAE？要看股价量级。一只20元的股票MAE=0.5元是很好的结果，一只200元的股票MAE=5元也还可以。更实用的判断标准是算相对误差：MAE除以真实价格均值，10%以内算能看，5%以内算优秀。跑完evaluate.py，我一般会顺手算一个方向准确率——预测值比前一天高且真实值也比前一天高，记为预测正确。方向准确率低于50%基本等于瞎猜，哪怕MAE再好看也不能用。把这个指标写进报告，比只放MAE更有说服力。

4.2 逆归一化与画图：把预测拉回真实价格

模型输出是0到1之间的归一化值，画图前必须用训练时那个scaler做inverse_transform，把预测值和真实值一起还原成原始价格，否则两条曲线不在一个量级，画出来根本没法看。

# evaluate.py 核心评估片段 import matplotlib.pyplot as plt import torch model.eval() with torch.no_grad(): test_pred = model(test_x_tensor) test_pred = test_pred.numpy().reshape(-1, 1) pred_price = scaler.inverse_transform(test_pred) real_price = scaler.inverse_transform(test_y.numpy().reshape(-1, 1)) plt.figure(figsize=(12, 5)) plt.plot(real_price, label='Real Price', color='blue') plt.plot(pred_price, label='Predicted Price', color='red', linestyle='--') plt.legend() plt.savefig('img/prediction_result.png', dpi=150) plt.show()

逻辑说明：model.eval()把模型切到推理模式，torch.no_grad()停止梯度追踪，这两个搭配运行时更快、省内存，更重要的是防止意外更新模型参数。逆归一化必须复用训练时的scaler实例，里面存着训练集的min和max；如果重新new一个MinMaxScaler，没fit过，inverse_transform会直接报错。

画图时还有个小技巧：数据量大时全局曲线太密，细节看不清，可以只画最后200个点的局部放大图。evaluate.py保存的img里可以同时输出全局图和局部图，课程设计报告里用局部图更清楚。

4.3 预测曲线的三种典型形态

第一种是理想形态：预测曲线贴着真实曲线走，方向转折基本同步，MAE在真实价格均值的5%以内，这种结果可以直接写进报告。

第二种是滞后形态：预测曲线形状对，但整体右移一两个时间步，转折点慢半拍。这是单步预测框架的固有现象，下面避坑章节第一条展开讲。

第三种是平坦形态：预测曲线几乎是一条水平线，只在整体均值附近小幅波动，真实曲线的起伏完全没学到。这通常说明模型容量不足、数据特征太少，或者seq_len设置不合理。看到平坦形态，优先调大hidden_size和seq_len，再看loss是否真的降了下去。

如果三种形态都不是，预测曲线和真实曲线毫无关联、形状完全不同，先检查训练是否真正收敛：把train.py打印的loss曲线拿出来看，如果loss还在持续下降，说明训练轮数不够，加大EPOCHS再跑。写报告时建议把原始价格曲线、预测曲线、归一化后的loss曲线三张图放在一起，分别对应数据、模型收敛、预测效果三层内容，导师看起来一目了然。

5. LSTM股价预测避坑：五个高频问题实测记录

5.1 预测曲线整体右移：单步预测的滞后困局

现象：预测曲线形状和真实曲线一致，但整体右移一两个时间步，转折点总慢半拍。evaluate.py画出的图上，红色虚线明显比蓝色实线晚一拍。

原因：模型用过去10天预测下一天，平稳行情里学到的近似最优解是"明天的价格约等于今天的价格"。这个平滑解在大部分日子误差很小，但在趋势转折处必然滞后，因为转折信息还没进入输入窗口。这是单步预测框架的固有问题，不是代码bug。

解决：三个方向，一是把seq_len从10调大到20或30，让模型看到更长的上下文；二是改成多步预测，一次输出未来多天的价格，后续进阶章节有具体实现；三是评估时不要死盯逐日偏差，同时统计方向准确率，避免被滞后指标误导。

5.2 loss变成NaN，训练直接报废

现象：训练到某个epoch后loss突然变成nan，之后所有epoch全是nan，模型权重全部失效，此前的训练时间全白费。

原因：最常见是学习率太大导致梯度爆炸，在数据没归一化时尤其明显，价格动辄几百上千，梯度数值极易溢出。另一个高频原因是原始数据里有缺失值或无穷值，parser_my.py没做清洗，NaN一路传导到loss。

解决：先检查数据，用np.isnan(close).sum()确认没有缺失值；再把lr从0.001降到0.0005甚至0.0001；最后确认归一化真的执行了。我一般会在训练循环开头加一行assert not torch.isnan(x_batch).any()，把脏数据拦在模型之前，这个习惯帮我省了很多排错时间。

5.3 时序数据被shuffle，训练Loss好看但预测全废

现象：训练loss下降很漂亮，但evaluate.py在测试集上的预测效果一塌糊涂，方向对不上，曲线完全失真。

原因：DataLoader里设了shuffle=True，把时间顺序彻底打乱了。LSTM学的是时间依赖关系，训练样本顺序乱了，模型看到的前后关联全是错乱的，学到的规律迁移不到真实的时序上。这是时序任务最隐蔽的坑，因为训练loss完全正常，只有到评估阶段才暴露出来。

解决：训练和测试的DataLoader全部设置shuffle=False。如果数据量大、确实想借shuffle提升泛化，可以按时间窗口分组后只shuffle窗口之间的顺序，窗口内部保持时间序列，但本项目的数据量完全不需要这个操作。

5.4 归一化偷看未来数据，评估分虚高

现象：测试集MAE小得离谱，模型看起来神预测，但换一段新数据后表现崩盘，完全不可用。

原因：归一化时用了全量数据的min和max，测试集的最高点和最低点信息在训练阶段就泄露给了模型。这是特征工程层面的数据泄露，属于时序预测项目里最容易被答辩老师抓到的概念错误。

提示：判断数据是否泄露的快速方法——把测试区间换到训练数据没有覆盖的新时间段，指标明显下降，就说明之前的评估存在泄露。

解决：严格执行"先按时间切分、再fit训练集、最后transform测试集"的顺序。代码里MinMaxScaler只对训练集调用fit_transform，测试集只调用transform。验证模型真实性时，把测试时间区间拉到训练数据覆盖范围之外，如果指标明显变差，说明之前的高分是泄露造成的虚高。

5.5 重新加载模型，评估结果和训练时对不上

现象：训练结束当场评估一切正常，隔天重新运行evaluate.py，指标变差或者曲线方向对不上，像是换了个模型。

原因：常见三类，一是模型权重路径不对或加载了旧文件；二是加载后没有调用model.eval()，BatchNorm在训练和推理模式下行为不同，导致输出漂移；三是model目录下权重文件被覆盖或写了一半，加载时不报错但内容是残缺的。

解决：torch.load时加map_location='cpu'，避免GPU/CPU设备不匹配；加载后强制model.eval()；保存模型时同时存一份带超参数和训练指标的meta.json，加载后先对比指标，对不上就直接重新训练。我的习惯是每次实验跑完复制一份带时间戳的权重文件，避免model目录被后续实验覆盖。

6. 让预测更稳：多步预测、外部特征与早停三个调整方向

6.1 多步预测替代单步滚动

单步预测滞后是框架问题，改成多步预测能明显缓解，因为模型没法靠"照抄上一个值"糊弄过去。

class LSTMMultiStep(nn.Module): def __init__(self, input_size=1, hidden_size=64, num_layers=2, output_steps=5): super().__init__() self.lstm = nn.LSTM(input_size, hidden_size, num_layers, batch_first=True) self.fc = nn.Linear(hidden_size, output_steps) def forward(self, x): out, _ = self.lstm(x) return self.fc(out[:, -1, :])

标签y改成未来K天的价格序列，dataset.py里y取index之后K个连续值，MSE对K个输出一起算，滞后会有肉眼可见的改善。

6.2 加入成交量和开盘价等外部特征

input_size从1扩到2或更多，把成交量、开盘价、最高价、最低价拼进滑窗。成交量能反映市场活跃度，对趋势判断有实打实的帮助。所有新特征都要归一化，量纲差异大的特征混在一起会让LSTM训练很不稳定。

6.3 用早停法挑epoch

固定150轮对某些数据可能早就过拟合。加一个提前停止：验证集loss连续N轮不降就停，同时保存最优权重。

best_loss = float('inf') patience = 10 no_improve = 0 for epoch in range(EPOCHS): val_loss = evaluate_val_loss() if val_loss < best_loss: best_loss = val_loss no_improve = 0 torch.save(model.state_dict(), 'model/best_model.pt') else: no_improve += 1 if no_improve >= patience: break

从那以后我每次跑序列预测项目，都会强制走一遍"先检查归一化切分顺序、再确认shuffle关闭、最后看loss趋势"这条流程。希望帮到你——把parser_my.py里的CSV路径换成你的数据，改一下列名和seq_len，按顺序跑通train.py和evaluate.py，整套流程走下来，你对LSTM做时序预测的理解，会远比看十篇教程来得扎实。

本文还有配套的精品资源，点击获取