CNN卷积神经网络应用--数据集构建/因子快照

本文记录一下Keras框架下实现卷积神经网络的一些前提工作--数据集构建

直切正题，投资者情绪可通过下表变量进行衡量：

在使用卷积神经网络时需要将指标数据编排为“图片”格式，为达到这一需求，应该将k个指标n个历史截面的数据构造成一张“因子快照”作为输入：

输入形式在Keras框架下即为n*k矩阵。以BP、S_DQ_ADJCLOSE、S_VAL_MV三个变量为例，构造3个变量*3个历史截面的“因子快照”：

第一张“因子快照”应该为蓝色框中的数据，但需转置且转化为矩阵形式。

对于此问题，本文解决方法如下：

首先获取日期数（s）、因子数（k）和截面数（n）；

用np.zeros函数生成（s-n+1，k，n）维的矩阵；

然后构造for循环、[:]方法和np.array函数逐一替换原矩阵数据；

最后便可获得s-n+1张“因子快照”。

运行代码后输出结果sample查看一下，蓝色框部分的数据与上图蓝色框里的一致，说明结果无误，然后可按剩下的流程输入网络。