#?-*-?encoding:utf-8?-*-
import?pandas?as?pd
import?numpy?as?np
import?sys
from?keras.layers.core?import?Dense?Activation?Dropout
from?keras.layers.recurrent?import?LSTM
from?keras.models?import?Sequential
from?sklearn.preprocessing?import?MinMaxScaler

#?窗口長度
LEN_SEQ?=?2
np.random.seed（0）

def?load_one（data?x）:
????global?LEN_SEQ
????#ticker?=?data.query（“TICKER_SYMBOL==“+str（x））?#?個股
????#ticker?=?data.query（“TICKER_SYMBOL==1?or?TICKER_SYMBOL==5“）
????ticker?=data.loc[data[‘TICKER_SYMBOL‘]==x]
????#ticker?=?data.query（“TICKER_SYMBOL==@x“）
????print（‘query?the?data‘）
????#print（ticker）
????arr?=?ticker.ix[:[1234]]?#?矩陣
???#?print（arr）
????#?做時序差分
????train?label?=?[]?[]
????b_size?=?4
????for?i?in?range（LEN_SEQ0-1）:
????????train.append（arr.shift（i））
????????label?+=?[（‘var%d（t-%d）‘?%?（j+1i））?for?j?in?range（b_size）]
????for?i?in?range（LEN_SEQ）:
????????train.append（arr.shift（-i））
????????if?i?==0:
????????????label?+=?[（‘var%d（t）‘?%（j+1））?for?j?in?range（b_size）]
????????else:
????????????label?+=?[（‘var%d（t+%d）‘%（j+1i））?for?j?in?range（b_size）]
????Train?=?pd.concat（trainaxis=1）
????Train.dropna（inplace=True）
????#Train.columns?=?label
????return?Train

def?build_model（）:
????model?=?Sequential（）
????model.add（LSTM（20input_shape=（115）））
????model.add（Dense（1））
????model.compile（loss=‘mae‘optimizer=‘adam‘）
????return?model?
????

def?predict_point_by_point（model?data）:
????values?=?data.values
????train_Xtrain_y?=?values[::-1]values[:-1]
????#test_Xtest_y?=?values[::-1]data[:-1]
????train_X?=?train_X.reshape（（train_X.shape[0]1train_X.shape[1]））
????#test_X?=?test_X.reshape（test_Xshape[0]LEN_SEQtest_X.shape[1]）
????LSTM?=?model.fit（train_Xtrain_yepochs=20batch_size=3）
????return?model

#在金融的這份數據里，沒有2018年q2的數據，也就是t+1的cogs，operateprofit，nincome都沒有，無法去預測目標，也就是revenue的值。所以我們需要先對每個單列做出預測，這里我們仍然用lstm對2018q2的這三列預測，再加上向前的三次記錄，共十五列來做預測

def?create_trainX_trainy（data?look_back=1）:
????trainX?trainy?=?[]?[]
????for?i?in?range（len（data）-look_back-1）:
????????a?=?data[i:（i+look_back）]
????????trainX.append（a）
????????trainy.append（data[i?+?look_back]）
????return?np.array（trainX）?np.array（trainy）


def?predict_useone_column（column）:
????trainXtrainy?=?create_trainX_trainy（column）
????trainX?=?np.reshape（trainX（trainX.shape[0]1trainX.shape[1]））

????model?=?Sequential（）
????model.add（LSTM（20input_shape=（11）））
????model.add（Dense（1））
????model.compile（loss=‘mae‘optimizer=‘adam‘）
????????

????
????model.fit（trainXtrainyepochs=20batch_size=1）
????return?model

def?main（）:
????dic?=?{}
????data?=?pd.read_csv（“./datanew.csv“?header=0）
????data.drop（‘END_DATE‘1inplace=True）
????#print（data.head（）data.columns）
????
????data.fillna（0.00001inplace=True）
????

????#print（temp.isnull（）.count（））
????#temp.fillna（0.000001inplace=True）
????#?做minmax
????#scaler?=?MinMaxScaler（feature_range=（01））
????#data_scaled?=?pd.Dataframe（scaler.fit_transform（temp）columns=[‘TICKER_SYMBOL‘‘REVENUE‘‘COGS‘‘OPERATE_PROFIT‘‘N_INCOME

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件?????3868151??2018-07-24?05:22??datanew.csv
?????文件????????5279??2018-07-31?09:22??main.py