计划让AI帮助编程使用TabPFN模型进行股价推理

原计划提问的prompt

如何通过akshare库，获取股票数据，并生成TabPFN这个模型 可以识别、处理的格式

本意是想让AI分步执行，先处理股票数据，然后再进行模型训练，结果豆包超长发挥，直接把后面的模型预测部分也写了，导致其它两个模型都需要再附加上模型预测的prompt，

最终除豆包外的prompt

通过akshare库，获取股票数据，并生成TabPFN这个模型 可以识别、处理的格式，写一个完整的预处理示例，并构建一个预测未来 3 天股价涨跌的分类任务

豆包答题

豆包的总体表现中规中矩，只用一句“数据处理”的prompt，它就完成了整个任务，这是没有预料到的，也就是豆包会抢答了！

但是生成的代码无法一次跑通，大约修改了2-3次，而且有一个地方AI是改不过来的，必须手工改。当然手工改这个地方其它AI也没pass。

豆包的代码

import akshare as ak
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from tabpfn import TabPFNClassifier

# 获取股票数据
stock_data = ak.stock_zh_a_hist(symbol="600519", period="daily", 
                               start_date="20200101", end_date="20230101",
                               adjust="qfq")

# 数据预处理函数
def prepare_data_for_tabpfn(stock_data, days_ahead=3):
    df = stock_data.copy()
    
    # 动态处理列名
    original_columns = df.columns.tolist()
    print(f"原始列名: {original_columns}")
    
    if len(original_columns) == 12:
        df.columns = ['日期', '开盘', '收盘', '最高', '最低', '成交量', '成交额', '振幅', '涨跌幅', '涨跌额', '换手率', '未知列']
    else:
        df.columns = [f"col_{i}" for i in range(len(original_columns))]
        print(f"警告: 列数量不匹配，使用默认列名: {df.columns.tolist()}")
    
    # 特征工程
    df['收盘价_滞后1'] = df['收盘'].shift(1)
    df['收盘价_滞后2'] = df['收盘'].shift(2)
    df['收盘价_滞后3'] = df['收盘'].shift(3)
    df['涨跌幅_1'] = df['收盘'].pct_change(1)
    df['涨跌幅_2'] = df['收盘'].pct_change(2)
    df['涨跌幅_3'] = df['收盘'].pct_change(3)
    df['MA5'] = df['收盘'].rolling(window=5).mean()
    df['MA10'] = df['收盘'].rolling(window=10).mean()
    df['MA20'] = df['收盘'].rolling(window=20).mean()
    df['波动率_5'] = df['涨跌幅_1'].rolling(window=5).std()
    df['波动率_10'] = df['涨跌幅_1'].rolling(window=10).std()
    df['成交量_变化'] = df['成交量'].pct_change(1)
    df['成交量_MA5'] = df['成交量'].rolling(window=5).mean()
    
    df['未来涨跌'] = np.where(df['收盘'].shift(-days_ahead) > df['收盘'], 1, 0)
    df = df.dropna()
    
    feature_columns = [
        '收盘价_滞后1', '收盘价_滞后2', '收盘价_滞后3',
        '涨跌幅_1', '涨跌幅_2', '涨跌幅_3',
        'MA5', 'MA10', 'MA20',
        '波动率_5', '波动率_10',
        '成交量_变化', '成交量_MA5'
    ]
    
    valid_features = [col for col in feature_columns if col in df.columns]
    if len(valid_features) < len(feature_columns):
        missing_features = set(feature_columns) - set(valid_features)
        print(f"警告: 缺少以下特征: {missing_features}")
        feature_columns = valid_features
    
    X = df[feature_columns].values
    y = df['未来涨跌'].values
    feature_names = feature_columns
    
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.2, random_state=42, shuffle=False
    )
    
    scaler = StandardScaler()
    X_train = scaler.fit_transform(X_train)
    X_test = scaler.transform(X_test)
    
    return X_train, X_test, y_train, y_test, feature_names

# 准备数据
X_train, X_test, y_train, y_test, feature_names = prepare_data_for_tabpfn(stock_data)

# 初始化并训练TabPFN模型
model = TabPFNClassifier(device='cpu')
model.fit(X_train, y_train)

# 预测（更新的API调用）
y_pred = model.predict(X_test)
y_prob = model.predict_proba(X_test)[:, 1]  # 获取正类(上涨)的概率

# 评估模型
accuracy = np.mean(y_pred == y_test)
print(f"模型准确率: {accuracy:.4f}")

# 查看前10个预测结果
print("\n前10个预测结果:")
for i in range(10):
    print(f"样本 {i+1}: 实际={y_test[i]}, 预测={y_pred[i]}, 概率={y_prob[i]:.4f}")

豆包的输出

原始列名: ['日期', '股票代码', '开盘', '收盘', '最高', '最低', '成交量', '成交额', '振幅', '涨跌幅', '涨跌额', '换手率']

模型准确率: 0.5915

前10个预测结果:
样本 1: 实际=1, 预测=1, 概率=0.6773
样本 2: 实际=0, 预测=0, 概率=0.4536
样本 3: 实际=1, 预测=1, 概率=0.5055
样本 4: 实际=1, 预测=0, 概率=0.4203
样本 5: 实际=1, 预测=1, 概率=0.6198
样本 6: 实际=1, 预测=1, 概率=0.6163
样本 7: 实际=1, 预测=1, 概率=0.5240
样本 8: 实际=1, 预测=1, 概率=0.5556
样本 9: 实际=0, 预测=1, 概率=0.5418
样本 10: 实际=1, 预测=0, 概率=0.4687

跃问表现

只用前面一句prompt不行，它没像豆包那样帮着把推理、预测也做了，所以要加上一句

prompt

通过akshare库，获取股票数据，并生成TabPFN这个模型 可以识别、处理的格式，写一个完整的预处理示例，并构建一个预测未来 3 天股价涨跌的分类任务

跃问代码

# 安装必要的库（如果尚未安装）
# pip install akshare pandas sklearn

# 导入必要的库
import akshare as ak
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 设置股票代码和日期范围
stock_code = "000001" # 示例股票代码
start_date = "2023-01-01"
end_date = "2023-12-31"

# 获取历史日线数据
stock_data = ak.stock_zh_a_hist(symbol=stock_code, start_date=start_date, end_date=end_date, adjust="qfq")

# 将数据转换为DataFrame
df = pd.DataFrame(stock_data)

# 查看数据
print(df.head())

# 数据预处理
# 将日期字段转换为日期类型
df["日期"] = pd.to_datetime(df["日期"])

# 按日期排序
df = df.sort_values(by="日期")

# 计算未来3天的涨跌情况
future_3_day_change = df["收盘价"].shift(-3).sub(df["收盘价"])
df["未来3天涨跌"] = future_3_day_change.apply(lambda x: "涨" if x > 0 else "跌")

# 删除NaN值
df.dropna(subset=["未来3天涨跌"], axis=0, how="any")

# 查看排序后的数据
print(df.head())

# 保存数据为CSV文件
df.to_csv(f"{stock_code}_daily_data.csv", index=False, encoding="utf-8-sig")
print(f"数据已保存到 {stock_code}_daily_data.csv")

# 构建分类任务
# 特征和目标变量
X = df[["开盘价", "最高价", "最低价", "成交量"]]
y = df["未来3天涨跌"]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建随机森林分类器
clf = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"模型准确率为：{accuracy:%.2f}")

这个有报错，懒得改了

KeyError                                  Traceback (most recent call last)
/tmp/ipykernel_35/3161264376.py in <cell line: 0>()
      1 # 将日期字段转换为日期类型
----> 2 df["日期"] = pd.to_datetime(df["日期"])
      3 
      4 # 按日期排序
      5 df = df.sort_values(by="日期") 

修改一次后还有报错：

AttributeError: 'DataFrame' object has no attribute 'columnss'

放弃了。

 

文心4.5表现

 生成数据集

import akshare as ak
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

# 1. 获取股票数据
def get_stock_data(stock_code="000001", start_date="20200101", end_date="20250604"):
    df = ak.stock_zh_a_hist(symbol=stock_code, period="daily", start_date=start_date, end_date=end_date)
    df['日期'] = pd.to_datetime(df['日期'])
    df = df.sort_values('日期').reset_index(drop=True)
    return df

# 2. 特征工程
def create_features(df, window=5):
    # 基础特征
    df['return'] = df['收盘'].pct_change()
    df['volatility'] = df['return'].rolling(window).std()
    df['ma5'] = df['收盘'].rolling(5).mean()
    df['ma10'] = df['收盘'].rolling(10).mean()
    
    # 技术指标
    df['rsi'] = compute_rsi(df['收盘'], 14)
    df['macd'], df['signal'] = compute_macd(df['收盘'])
    
    # 未来3天涨跌标签 (1:涨, 0:跌)
    df['target'] = (df['收盘'].shift(-3) > df['收盘']).astype(int)
    
    # 删除无效行
    df = df.dropna().reset_index(drop=True)
    return df

# 3. 技术指标计算函数
def compute_rsi(series, period=14):
    delta = series.diff()
    gain = delta.where(delta > 0, 0)
    loss = -delta.where(delta < 0, 0)
    
    avg_gain = gain.rolling(period).mean()
    avg_loss = loss.rolling(period).mean()
    
    rs = avg_gain / avg_loss
    return 100 - (100 / (1 + rs))

def compute_macd(series, fast=12, slow=26, signal=9):
    ema_fast = series.ewm(span=fast).mean()
    ema_slow = series.ewm(span=slow).mean()
    macd = ema_fast - ema_slow
    signal_line = macd.ewm(span=signal).mean()
    return macd, signal_line

# 4. 数据预处理
def preprocess_data(df):
    features = df.drop(['日期', '股票代码', '开盘', '最高', '最低', '收盘', '成交量', '成交额', '振幅', '涨跌幅', '涨跌额', '换手率'], axis=1, errors='ignore')
    target = df['target']
    
    # 标准化
    from sklearn.preprocessing import StandardScaler
    scaler = StandardScaler()
    features_scaled = scaler.fit_transform(features)
    
    return features_scaled, target

# 5. 主流程
if __name__ == "__main__":
    # 获取数据
    stock_df = get_stock_data("600519")  # 茅台股票
    
    # 特征工程
    feature_df = create_features(stock_df)
    
    # 预处理
    X, y = preprocess_data(feature_df)
    
    # 划分训练测试集
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.2, shuffle=False, random_state=42
    )
    
    # 保存为TabPFN可读格式
    np.savez('stock_data.npz', 
             X_train=X_train, 
             X_test=X_test, 
             y_train=y_train, 
             y_test=y_test)
    
    print("数据预处理完成，已保存为stock_data.npz")

训练预测

import numpy as np
from tabpfn import TabPFNClassifier

# 加载预处理数据
data = np.load('stock_data.npz')
X_train, X_test = data['X_train'], data['X_test']
y_train, y_test = data['y_train'], data['y_test']

# 初始化TabPFN
# classifier = TabPFNClassifier(device='cpu', n_estimators=8)
classifier = TabPFNClassifier(device='cuda', n_estimators=8)
N_ensemble_configurations=32
# 训练模型
classifier.fit(X_train, y_train)

# 预测
y_pred = classifier.predict(X_test)
y_prob = classifier.predict_proba(X_test)[:, 1]

# 评估
from sklearn.metrics import accuracy_score, roc_auc_score
print(f"测试集准确率: {accuracy_score(y_test, y_pred):.4f}")
print(f"测试集AUC: {roc_auc_score(y_test, y_prob):.4f}")

# 预测未来3天涨跌
latest_data = X_test[-1].reshape(1, -1)  # 取最新数据
future_pred = classifier.predict(latest_data)
print(f"未来3天预测结果: {'上涨' if future_pred[0] == 1 else '下跌'}")

 

最终用的是cuda 

输出结果：

测试集准确率: 1.0000
测试集AUC: 1.0000
未来3天预测结果: 下跌

这个，有点问题吧，这训练的也太狠了....

总结

当前的AI都不能小瞧了，跟2年前比都有很大提升。

豆包还是比较有趣，它的理解能力不错，主动性高，但是水平比较平庸。

文心4.5是三者中水平最高的。

跃问，主要是在pandas处理数据那块就出问题了，再修改了一次之后，我就放弃了。

调试

发现几个ai都碰到了这个错误

TypeError                                 Traceback (most recent call last)
/tmp/ipykernel_35/4228700019.py in <cell line: 0>()
      8 
      9 # 初始化TabPFN
---> 10 classifier = TabPFNClassifier(device='cpu', N_ensemble_configurations=32)
     11 
     12 # 训练模型

TypeError: TabPFNClassifier.__init__() got an unexpected keyword argument 'N_ensemble_configurations'

通过help(TabPFNClassifier) ，看到应该是：

n_estimators