В связи с быстрым развитием информационных технологий приложения информационных технологий становятся все более распространенными В этой статье представлена система анализа и прогнозирования цен на ак

U vezi sa brzim razvojem informacionih tehnologija, aplikacije informacionih tehnologija postaju sve češće. U ovom članku predstavljen je sistem za analizu i prognoziranje cijena dionica na osnovu Django i LSTM, koji pruža preciznije prognoze za investitore u kontekstu trenutnog razvoja finansijske industrije. Najprije se predstavlja kontekst i trenutna situacija u analizi i prognoziranju cijena dionica, analiziraju se ograničenja tradicionalnih metoda prognoziranja dionica, i predlaže se model prognoziranja dionica, zasnovan na dubokom učenju neuronskih mreža LSTM. Opisuje se princip i metoda koja se koristi za izvođenje modela. Zatim se predstavlja dizajn i implementacija sistema prognoziranja dionica na osnovu Django framework-a, uključujući funkcionalne module i dizajn interfejsa. U tradicionalnim metodama prognoziranja dionica, samo modeli prognoziranja zasnovani na statističkim metodama uzimaju u obzir uticaj nekih ekonomskih pokazatelja i ignorišu uticaj mnogih drugih faktora, što dovodi do nepreciznih prognoza. Model dubokog učenja neuronskih mreža LSTM, kao model neuronske mreže sa memorijom, može uhvatiti više obrazaca vremenskih serija podataka i poboljšati tačnost prognoziranja dionica. Predloženi sistem prognoziranja dionica na osnovu Django framework-a ima dobru proširivost i lakoću održavanja, i podijeljen je na module za ulazak u sistem, registraciju korisnika, dobijanje podataka, predobradu, obuku modela, vijesti o dionicama itd. kako bi se postigle funkcije poput dobijanja podataka o dionicama, čišćenja i prognoziranja. Definisanjem hiperparametara LSTM modela, poput dužine vremenskih koraka, broja skrivenih slojeva i broja trening iteracija, projektuje se i podešava model učenja iz različitih perspektiva kako bi se odredila struktura dubokog neuronske mreže. Ovaj članak pruža referencu za prognozu smjera cijena dionica deset nacionalnih kompanija, sa visokom sposobnošću prognoziranja i dobrom stabilnošću razvijenog sistema, što omogućava pružanje pouzdanijih prognoza dionica za investitore