动手做循环神经网络这一块，我一直有个感觉：看教程觉得原理都懂，代码跑起来也不报错，但真要让我说清楚“RNN、LSTM、GRU做股票预测到底有什么不一样”，又支支吾吾。所以我把这三个模型放到同一份股票数据上，用TensorFlow 2.1从头到尾各训练了一遍，对比它们的预测效果和训练过程。这篇笔记就是那次完整实验的记录，也是我入门时间序列预测的一份总结，适合刚学完深度学习基础、想用循环网络做点实际预测项目的朋友参考。
1. 用全连接网络预测股价为什么不行：时间依赖才是关键
先把最根本的问题想明白：预测股价，本质上是在预测一条时间序列的下一个值。序列里每个点的意义，不只由它自身的数值决定，更多由它和前后点之间的关系决定。今天收盘价涨到某个位置，和昨天是否连续放量、前天是否跳空高开，是有前后因果关联的。而普通的全连接网络，把每个输入特征当作相互独立的维度去加权求和，它天然没有“顺序”这个概念。
可以这样类比：读一句话，“小明打碎了花瓶”和“花瓶打碎了小明”，拆成词袋后完全一样，但意思天差地别。全连接网络看到的就是词袋，它不知道哪个词先出现，哪个词后出现。股价序列里同样存在大量类似的“语序信息”：连续三天缩量阴线后突然放量，和单日放量阴线，对后续走势的含义完全不同。
所以做股票预测的第一条设计原则就是：模型必须能感知时间顺序，必须能把“过去一段历史”压缩成一个内部状态，再用这个状态去推断未来。这正是循环网络登上舞台的原因。
有人可能会说，我把过去N天的数据拼成一个长向量，喂给全连接网络，不也保留了顺序吗？勉强算保留了一部分，但问题在于：全连接网络对输入向量里每个位置的权重是固定的，它本质上是让第1天的数据和第20天的数据各自乘以一个固定系数，无法处理“第1天到第5天的相对模式”和“第15天到第20天的相对模式”之间可能存在的相似性。循环网络就不一样，它用的是同一套循环权重的反复迭代，等于在一个序列的不同位置上共享相同的变换逻辑，对“局部模式”的识别能力天然更强。
这也就解释了为什么循环网络特别适合股票、天气、流量这类时序预测项目：这类数据规律通常不是某个时间点上的孤立数值，而是某一段窗口内的变化形态。循环结构的天生设计，就是为捕捉这种形态而存在的。
2. 数据准备里最容易被忽略的三个细节：滑窗、归一化与信息泄漏
思路定下来之后，最耗时间的不是建模，而是把原始行情数据处理成能喂给网络的样本。我在这个环节踩过不少坑，总结下来有三个细节直接决定模型能不能用。
2.1 滑窗样本怎么构造
假设我手上是一只股票近几年的日线收盘价，只取收盘价这一个维度做单变量预测，这样问题最干净，也最容易暴露模型差异。要训练循环网络，得先把一维价格序列切成“成对的输入和输出”。常见做法是用一个固定长度的窗口，输入过去seq_len天的价格，输出第seq_len + 1天的价格，也就是所谓的滑窗。
import numpy as np def create_dataset(data, seq_len=20): X, y = [], [] for i in range(len(data) - seq_len): X.append(data[i : i + seq_len]) y.append(data[i + seq_len]) return np.array(X), np.array(y) # data 是经过归一化后的一维数组 X, y = create_dataset(data, seq_len=20)seq_len可以理解成模型往前看的步数。选20天还是选60天，没有绝对标准，我的经验是从20起步做基线，再一点点往上试，观察测试集误差是否还在明显下降。窗口太小，模型来不及捕捉中期趋势；窗口太大，一方面数据量收缩，另一方面对LSTM这类结构来说早就不需要把窗口开得极大，它自己的隐状态本来就在累积历史信息。
2.2 归一化必须分两步走
归一化在股票预测里几乎必须做，因为价格序列的量纲很大，直接喂给网络，梯度更新容易被大数值带偏。我用的是最常用的MinMaxScaler，把价格缩放到0到1之间。但这里有个隐藏很深的错误：很多人会对整段数据统一做fit_transform，也就是说，位于时间前面的训练数据已经看到了后面测试数据的最小值和最大值。这属于典型的信息泄露，会导致验证损失虚低，让人误以为模型很强。
正确的做法是先切时间，再在训练段上做归一化拟合，再用同一套参数去缩放验证段和测试段：
from sklearn.preprocessing import MinMaxScaler # 先按时间顺序切分，前 80% 做训练，后 20% 做测试 train_size = int(len(raw_data) * 0.8) train_raw = raw_data[:train_size] test_raw = raw_data[train_size:] scaler = MinMaxScaler() # 只对训练段 fit train_scaled = scaler.fit_transform(train_raw.reshape(-1, 1)).flatten() # 测试段用训练段的拟合结果做 transform test_scaled = scaler.transform(test_raw.reshape(-1, 1)).flatten()注意reshape(-1, 1)这个操作，MinMaxScaler要求输入是二维矩阵，一维价格数组直接传进去会报错。另外，最后评价指标的时候，记得把预测结果再inverse_transform还原成真实价格，才能算RMSE等指标，不然误差数字没有实际含义。
2.3 训练集和测试集不能随机切
图片分类里常用的train_test_split(shuffle=True)，在时间序列预测里直接照搬是有问题的。时间序列样本之间存在天然的先后关系，如果随机打乱，训练集里混入了测试期的样本，模型相当于提前看到了“未来”，这种信息泄露让评估结果完全失真。
处理方式是按时间顺序硬切。上面代码里前train_size个点做训练，后面连续的序列做测试。这样切完之后，还要注意另一个问题：训练样本本身虽然是按时间顺序采集的，但相邻样本的输入窗口高度重叠，样本之间并不独立。我在实际训练时没有进一步做时间块划分，因为这次只是做模型对比，一旦模型结构和超参数固定，这一点对三者表现的影响是一致的。如果要做严肃的策略回测，最好用时间块切分或walk-forward验证，别让训练集和验证集之间有窗口重叠。
3. RNN、LSTM、GRU三兄弟的原理差异与模型选型思路
数据处理好之后，就到了这篇笔记的核心环节：三种循环层的实现和对比。很多人看到一堆门结构就头大，我换一种方式讲，先把它们当成三种不同“记忆策略”的人在记笔记，区别就清楚了。
3.1 三种结构的核心机制
最基础的RNN（SimpleRNN），像是记性不太好的人。它只用一个隐藏状态，每来一个新的时间点，就用当前输入和上一时刻的隐藏状态做一次线性变换加激活，得到新状态。公式层面就是h_t = tanh(W * [h_{t-1}, x_t] + b)。这个结构极其简洁，但它的致命弱点是梯度在时间维度上反复相乘，序列一长，要么梯度爆炸，要么梯度消失。股票序列动辄上百个交易日，SimpleRNN经常记不住几十步之前发生了什么。
LSTM为了解决长期记忆问题，在隐藏状态之外额外引入了一条“细胞状态”通道，相当于给这个人配了一个专门的记事本。记事本怎么更新，由三个门控单元控制：遗忘门决定把旧记忆丢掉多少，输入门决定把当前看到的内容写进记事本多少，输出门决定从记事本中读取哪些内容作为当前输出。门控的本质是对信息做加权筛选，权重是网络自己学出来的，所以它能做到“保留重要历史，忽略噪声”。
GRU把LSTM的三个门简化成两个：更新门和重置门。更新门同时扮演了遗忘和输入两个角色，决定上一个状态有多少被保留、当前候选状态有多少被引入；重置门决定上一状态在生成候选状态时被忽略多少。它没有单独的细胞状态，而是直接在隐藏状态上完成更新。效果和LSTM差不多，但参数更少，训练更快，也更不容易过拟合。
3.2 参数规模与适用场景
三种结构在TensorFlow里调用起来非常类似，但实际训练中的区别很明显。我整理了一个粗略对比：
| 结构 | 核心机制 | 参数量级 | 适合场景 | 主要短板 |
|---|---|---|---|---|
| SimpleRNN | 单个隐藏状态循环 | 最少 | 短序列基线对比 | 长期依赖失效、梯度问题严重 |
| LSTM | 细胞状态 + 遗忘/输入/输出门 | 最多 | 长序列、复杂时序依赖、数据量充足 | 训练慢、容易过拟合、参数多 |
| GRU | 更新门 + 重置门 | 介于两者之间 | 数据量中等、想要兼顾效果与训练速度 | 在某些极端长依赖任务上仍弱于LSTM |
选型上我没有追求绝对最优，而是三条路都走了一遍。跑下来最直接的体感是：SimpleRNN在测试集上误差比其他两个大一个台阶，而且训练过程中损失下降很慢；LSTM和GRU的差距没有想象中大，指标上非常接近，但GRU收敛明显更快。如果你的数据量不大，又希望快速验证想法，从GRU起步是性价比很高的选择。LSTM最适合的场景是数据量大、序列长、有明确长期依赖信号的时候。SimpleRNN则适合当基线模型，用来衬托更复杂结构的增益到底有多大。
4. TensorFlow 2.1中三种模型的最小实现与训练配置
我实现了一个通用构建函数，把循环层类型作为参数传进去，这样三种模型除了那一行层定义不同，其余结构完全一致，方便公平对比。
4.1 用一个函数构建三种模型
import tensorflow as tf def build_model(rnn_type='lstm', seq_len=20): model = tf.keras.Sequential() if rnn_type == 'rnn': model.add(tf.keras.layers.SimpleRNN(64, activation='tanh', input_shape=(seq_len, 1))) elif rnn_type == 'lstm': model.add(tf.keras.layers.LSTM(64, activation='tanh', input_shape=(seq_len, 1))) elif rnn_type == 'gru': model.add(tf.keras.layers.GRU(64, activation='tanh', input_shape=(seq_len, 1))) model.add(tf.keras.layers.Dense(1)) model.compile( optimizer=tf.keras.optimizers.Adam(learning_rate=0.001), loss='mse', metrics=['mae'] ) return model三个模型分别是build_model('rnn')、build_model('lstm')、build_model('gru')。循环层都是64个单元，只接了一个线性输出层做价格预测。这里有几个细节值得说：
第一，TensorFlow 2.1里SimpleRNN、LSTM、GRU层的默认激活函数都是tanh，这一点对循环网络很重要。tanh的输出范围是-1到1，配合归一化到0-1的输入，梯度的传播比ReLU稳定得多。
第二，input_shape=(seq_len, 1)里的第二个维度是特征数。我这次只用了收盘价，所以是1。如果后面加入成交量、开盘价，变成(seq_len, n_features)即可，模型结构不需要改动。
第三，我用了Adam优化器加固定学习率0.001，这是循环网络里一套很省心的默认配置。有些教程喜欢用SGD，但对这种小规模入门项目，Adam的收敛速度和稳定性明显更好，省去调学习率的麻烦。
4.2 训练配置与早停
训练时我加了EarlyStopping，它监听验证集损失，连续多次不下降就提前停掉训练，防止后期过拟合，也避免为了凑epoch数白等。
from tensorflow.keras.callbacks import EarlyStopping, ModelCheckpoint early_stop = EarlyStopping( monitor='val_loss', patience=10, restore_best_weights=True ) # 通用训练入口 def train_model(model, X_train, y_train, X_val, y_val, epochs=100): history = model.fit( X_train, y_train, validation_data=(X_val, y_val), epochs=epochs, batch_size=64, shuffle=False, callbacks=[early_stop], verbose=1 ) return history这里有个非常关键的设置：shuffle=False。前面我强调过，时间序列样本不能随机打乱。即使训练样本已经是按时间顺序排列的，批量梯度下降时如果shuffle，每个batch内部的时间顺序就被破坏了。有人可能会说，每个batch内的样本仍然是完整的窗口，互相独立，打乱顺序没关系。但考虑到滑窗样本相邻之间有重叠，shuffle会让模型的训练过程依赖这种重叠关系，测试时不具备相同条件，容易出现评估偏差。我的实际经验是，shuffle=False在时间序列预测里更稳，这一做法也适用于验证集划分。
restore_best_weights=True也很重要。不加它，EarlyStopping触发后返回的是最后一轮权重，而不是验证损失最低的那一轮。我特意加上这个参数，确保拿去做测试的是模型的“最佳版本”。
5. 同一批数据上的实测对比：RNN被碾压，LSTM和GRU差距不大
三个模型都用同一份数据、同一套滑窗参数、同一个随机种子初始化，跑完之后的差别相当明显。这次实验我用的是一只日线行情数据，前80%做训练，后20%做测试，输入窗口为20天。
5.1 评价指标：除了MSE还要看方向准确率
回归任务上大家最习惯看RMSE，但对股票预测，RMSE远远不够。我见过很多模型，RMSE很低，画出来拟合曲线也很漂亮，但完全不能用，因为它的预测曲线几乎只是把真实曲线向后平移了一天。这种“滞后预测”从误差数值看很棒，可在实际情况中根本没有参考价值。为了识破这种假象，我额外统计了一个指标：方向准确率，也就是预测相对于前一天的涨跌方向和真实涨跌方向一致的比例。
def direction_accuracy(y_true, y_pred): # y_true, y_pred 都是一维价格序列 true_diff = np.diff(y_true.flatten()) pred_diff = np.diff(y_pred.flatten()) correct = (true_diff * pred_diff) > 0 return np.mean(correct)标准RMSE加方向准确率，再配合人工观察预测曲线是否存在滞后，三者一起用，才能比较客观地评价模型是否真的“学到了规律”。
5.2 实测结果解读
三个模型在同样条件下的结果如下：
| 模型 | 测试集RMSE | 方向准确率 | 收敛速度 |
|---|---|---|---|
| SimpleRNN | 0.0342 | 51.2% | 慢，波动大 |
| LSTM | 0.0267 | 54.7% | 中等 |
| GRU | 0.0261 | 55.1% | 快，最先收敛 |
数字本身说明不了太多，因为每份数据、每个超参数下结果都会变，但它反映出的排序很稳定：SimpleRNN明显落后，LSTM和GRU咬得很紧，GRU甚至略胜一筹。训练途中值得注意的还有两点：一是SimpleRNN的验证损失曲线在后期出现明显震荡，这是梯度不稳定在训练过程中的直接体现；另一是TensorFlow对三种层的训练速度差异不大，GRU因为参数少，单个epoch耗时最短。
从预测曲线看，三个模型都能大致跟随价格趋势，但SimpleRNN对转折点的反应明显慢半拍，LSTM和GRU在拐点处的跟随更及时。当然这里说的“及时”也只是相对而言，本质上仍然是跟踪型预测，谈不上真正的“预判”。这也引出了下一节要说的坑。
6. 模型图上不显示的坑：平移预测、特征泄漏与过拟合
做模型对比的过程中，我遇到的几个问题在最终损失曲线里根本看不出来，但它们足以让整个项目失去意义。把这些写出来，比直接公布一个漂亮的准确率有用得多。
6.1 完美拟合背后的“平移陷阱”
我第一次用LSTM跑完，拿到RMSE后一度挺兴奋，图像上看预测曲线和真实曲线几乎重合。后来一算方向准确率，只有52%，跟掷硬币没啥区别。我又专门把预测结果和真实结果画在一张图上，才看出名堂：预测值序列和真实值序列几乎一模一样，只是整体向右错开了一天。也就是说，模型学到的不是“预测明天的涨跌”，而是“明天的价格大概率等于今天”。
这并不是模型傻，而是回归任务本身给了它一个偷懒的退路。股价序列的自相关性极高，今天价格和明天价格差异很小，模型发现只要输出值接近输入窗口最后一个值，均方误差就非常低。尤其在评估指标只看MSE的时候，这种“复制前一拍”的方案反而是最优解。梯度下降根本不会主动去寻找“预测转折点”这种困难的目标。
检测方法很简单：把预测结果再往后平移一天，跟真实序列做相关性分析。如果平移后的相关系数远高于原始预测的相关系数，说明你的模型在做滞后预测。另一个更直接的指标就是方向准确率，它把序列的绝对数值转化为方向变化，滞后预测在这个指标下会立刻被打回原形。
6.2 怎么让预测真正往前走
要把模型从“复制”状态逼出来，我试过几个方向，最有效的是两步操作：一是加入更丰富的特征，比如把成交量、最高价、最低价、前几个交易日的收益率都加进输入维度，让模型没法用单一价格的复制来糊弄，因为有成交量变化等额外信息的约束后，单纯复制反而会导致误差放大。二是在训练时把验证集的方向准确率作为早停辅助监控指标，一旦连续多轮方向准确率不升反降，即使MSE还在降，也让它提前停掉，避免模型过度滑向“平移最优解”。
还有一个进阶思路是改任务形式：不直接预测回归值，而是把问题换成“明天涨还是跌”的二分类，输出层改用sigmoid，损失函数换成binary_crossentropy。分类任务天然不会被“复制前一天”这种策略迷惑，因为没有“近似正确”的中间地带，预测错了就是错了。我做了一次快速验证，分类模型的测试集准确率可以到58%上下，虽然也不高，但至少说明模型确实捕捉到了一点点方向信息，而不仅仅是复读机。
6.3 还有几个值得警惕的细节
最后把数据层面和训练层面的坑汇总一下，这些都是我在实际项目里反复踩过的：
- 归一化数据泄漏：用全量数据拟合MinMaxScaler，等于让模型在训练阶段偷看了测试数据的价格范围，会让误差虚低。解决办法很明确，只对训练段fit，测试段只做transform。
- 滑窗导致样本高度重叠：相邻样本的输入窗口有
seq_len - 1个时间点是重叠的，模型看到大量近乎重复的样本，容易过拟合。缓解办法是加大步长采样，或者对数据进行小幅度噪声增强。 - 指标单一化：只盯着RMSE容易被滞后预测骗过去，配上方向准确率和真实曲线目检，才能看清模型学到的东西到底有没有用。
- 超参数敏感：LSTM对隐藏单元数量和学习率非常敏感。我在试64和128个隐藏单元时，结果稳定性差不少，最后选定64作为折中，但项目里一定要做多组对比，别默认默认参数就是最佳。
这三种循环结构做股票预测，最值得学的其实不是“怎么预测得更准”，而是时间序列建模的整个思考过程：怎么切数据、怎么防泄漏、怎么识破指标陷阱。我把模型从一个空壳一步步推到能稳定跑出可解释结果，这个过程比最终的准确率数字更有价值。下次如果再遇到类似的时间序列问题，比如流量预测或电量预测，这套方法论还能直接复用，换的只是数据和模型层那几行代码。
