★ FEATURED ARTICLE 看着这个题目不少同学第一反应是“又要做算法又要做Web还要跑数据有点慌”。其实这个组合题在计算机毕设里属于典型的“重模型、轻系统”类型真正做起来是有清晰套路的。我当初带着一个学弟完整走过一遍类似的项目从选题、数据、模型到Flask整合再到答辩踩了不少坑也总结了一些可以直接抄作业的经验。这篇就围绕“Flask-基于机器学习的网络金融信息分析-LSTM_ARIMA”这个题目把从设计到答辩的完整链路拆开讲清楚。1. 项目整体设计与技术选型思路1.1 题目的三个核心关键词这个题目可以拆成三块网络金融信息、机器学习模型LSTM_ARIMA、Flask系统。第一块是业务数据第二块是核心算法第三块是最终交付形态。毕设评审老师最看重的不是你用了多新的模型而是你能不能把这三块串成一个完整闭环并且讲清楚每一步为什么这么做。网络金融信息分析说得直白一点就是把互联网上公开的金融相关数据——例如行情序列、投放资讯的阅读与情绪数据、公开讨论热词等——采集下来做清洗、特征构造再用时间序列模型去挖掘其中的规律给出分析结果。这个题目里点名了LSTM和ARIMA说明需要做两套模型一套统计方法、一套深度学习方法最后做对比分析或组合预测。这既是技术亮点也是答辩时最好展开的内容。1.2 技术栈选择的实际理由Flask作为Web框架是毕设里最稳妥的选择。它轻量、上手快、生态成熟答辩演示时启动方便不容易出现环境问题。相比DjangoFlask不需要强制配置ORM和Admin后台适合把重点放在算法而不是系统功能上。模型层面ARIMA适合处理线性、平稳或差分后平稳的单变量时间序列计算快、可解释性强是统计学派的代表。LSTM则擅长捕捉长时序中的非线性依赖属于深度学习方法。这两个模型放一起能自然形成“传统方法 vs 深度方法”的对比论文里也容易写出层次感。前端展示用ECharts配合Flask返回JSON数据做趋势图和预测图。这个组合轻便、图表美观答辩时视觉效果很好而且ECharts的中文文档完善临时调样式也快。1.3 系统架构的闭环设计我当时给学弟设计的系统结构是这样的数据采集层负责从公开渠道获取金融标的的数据这里建议用公开数据集或接口不要自己去爬反爬严格的网站合规性风险大数据预处理层负责缺失值处理、归一化、序列切割模型层同时训练ARIMA和LSTM生成预测结果并做误差评估展示层用Flask提供API前端页面通过Ajax请求获取数据渲染图表和指标卡片。这个架构还有一个好处每一层都独立答辩时老师问到任一模块你都能单独说明输入输出。哪怕现场演示时某个环节崩了也能快速定位是数据问题还是模型问题不至于全盘卡死。2. 数据获取与预处理环节2.1 公开数据源的选择与合规边界这个模块是很多同学第一个卡住的地方。网络金融信息并不一定非要实时爬取你可以选择公开的开源金融数据库接口也可以直接下载已有的数据集文件。我当时建议学弟用公开接口获取某只公开交易标的的历史日线行情同时用爬虫采集一些公开资讯页面的标题和摘要做情绪分析。注意爬虫只采集公开内容并且控制请求频率只用于学习研究这是底线。采集到的字段一般包括日期、开盘价、最高价、最低价、收盘价、成交量、成交额。对于金融时间序列分析最常用的是收盘价序列因为它是每日的最终定价噪声相对较小适合作为模型的目标变量。成交量可以作为辅助特征但在ARIMA里一般不直接用因为ARIMA默认是单变量模型。2.2 数据清洗的细节与坑金融数据最常见的坑是缺失值和复权问题。某些接口返回的日线数据在停牌日会缺失直接删除会破坏时间连续性需要根据前值填充还是插值要看你后续用哪种模型。ARIMA要求连续等间隔时间序列所以缺失值建议用线性插值或者前向填充。LSTM对缺失值相对没那么敏感但也必须统一处理否则训练时会NaN传播loss直接变成nan。复权问题也很关键用不复权价格做预测遇到除权除息日会出现价格跳空模型会学习到错误的“暴跌”信号。我当时是直接用后复权价格来训练的效果比不复权稳定很多。标准化这一点一定要写进论文里。LSTM对输入尺度很敏感Sigmoid和Tanh激活函数在输入过大或过小时梯度容易饱和。我用的方法是MinMaxScaler把价格序列缩放到[0,1]区间。但注意ARIMA不需要做这一步它有自己的差分机制来处理非平稳性。如果你把标准化后的数据喂给ARIMA预测出来还要反变换回去反而容易出错。2.3 特征工程与序列切割方法对于LSTM我构造了两种输入特征一种是单变量滑动窗口比如用过去10天的收盘价预测下一天另一种是加入成交量、5日均线距离等构造特征的多变量输入。实测下来加入成交量后LSTM在趋势段的预测略有提升但在震荡段的提升不明显。如果时间紧张单变量滑动窗口就足够做毕设多变量可以作为加分项写在扩展计划里。序列切割要注意不能打乱顺序。我当时用了一个很简单的时间序列数据切分方法把前80%的数据作为训练集后20%作为测试集而不是随机打乱划分。金融时序有强时间相关性随机打乱会造成数据泄漏也就是训练集里混入了未来的信息测试结果虚高答辩时被问住会很尴尬。ARIMA的输入是单变量序列第一步要做平稳性检验常用ADF检验。如果p值大于0.05说明序列不平稳需要做差分。实际做下来金融价格序列一般一阶差分后就平稳了所以ARIMA的d参数通常取1。p和q的选择可以通过ACF和PACF图初步判断也可以用AIC/BIC网格搜索后者的结果是更可复现的结论适合写进论文。3. ARIMA与LSTM模型实现细节3.1 ARIMA模型搭建与参数选择用Python的statsmodels库做ARIMA非常方便。核心代码逻辑如下import warnings warnings.filterwarnings(ignore) from statsmodels.tsa.arima.model import ARIMA from statsmodels.graphics.tsaplots import plot_acf, plot_pacf # 假设 data 是经过缺失值处理后的收盘价序列 # 先做ADF平稳性检验 from statsmodels.tsa.stattools import adfuller adf_result adfuller(data) print(fADF统计量: {adf_result[0]:.4f}, p值: {adf_result[1]:.4f}) # 如果p值0.05做一阶差分 diff_data data.diff().dropna() # 画ACF和PACF图初步观察p、q范围 # 或者直接网格搜索最优参数 best_aic float(inf) best_order None for p in range(0, 5): for q in range(0, 5): try: order (p, 1, q) model ARIMA(data, orderorder) result model.fit() if result.aic best_aic: best_aic result.aic best_order order except: continue print(f最优参数p,d,q: {best_order}, AIC: {best_aic:.2f})这里有个非常关键的点网格搜索的p和q范围不要太大。金融序列一般p和q在0到4之间就能找到合适的参数范围再大不仅耗时严重还容易出现过拟合选出一组只在样本内表现好、样本外预测很差的参数。我当时遇到过p4,q4时AIC最低但预测曲线几乎是一条水平线的情况后来把范围缩小到0到3预测的跟随性反而好了很多。预测时要注意ARIMA是递推预测的。如果预测未来N步statsmodels会逐步迭代把上一步的预测值作为下一步的输入。这意味着预测步数越长误差累积越大。所以我在系统里限制预测步长不超过未来10个交易日并在界面上注明这是短期分析参考不作为实际交易依据。3.2 LSTM模型结构设计与训练细节LSTM我用的是Keras框架结构是两层LSTM加一层全连接。Keras的API简洁底层用TensorFlow答辩演示时只要环境搭建好训练和预测都很稳定。核心代码如下import numpy as np from tensorflow.keras.models import Sequential from tensorflow.keras.layers import LSTM, Dense, Dropout from tensorflow.keras.callbacks import EarlyStopping # 滑动窗口造训练数据 def create_dataset(data, look_back10): X, y [], [] for i in range(len(data) - look_back): X.append(data[i:ilook_back]) y.append(data[ilook_back]) return np.array(X), np.array(y) # 假设 data_scaled 是归一化后的收盘价序列 X, y create_dataset(data_scaled, look_back10) split_idx int(len(X) * 0.8) X_train, X_test X[:split_idx], X[split_idx:] y_train, y_test y[:split_idx], y[split_idx:] # 数据需要reshape为[samples, time_steps, features] X_train X_train.reshape((X_train.shape[0], X_train.shape[1], 1)) X_test X_test.reshape((X_test.shape[0], X_test.shape[1], 1)) model Sequential() model.add(LSTM(50, activationrelu, return_sequencesTrue, input_shape(X_train.shape[1], 1))) model.add(Dropout(0.2)) model.add(LSTM(50, activationrelu)) model.add(Dropout(0.2)) model.add(Dense(1)) model.compile(optimizeradam, lossmse) early_stop EarlyStopping(monitorval_loss, patience10, restore_best_weightsTrue) history model.fit(X_train, y_train, epochs100, batch_size16, validation_data(X_test, y_test), callbacks[early_stop], verbose0)LSTM单元数选50是一个比较稳妥的起点。选太小的单元数比如8、16模型欠拟合预测曲线很平选太大比如128、256训练慢、容易过拟合在测试集上的表现反而下降。对你这个毕设体量50个单元已经足够。有几个细节必须注意第一激活函数不要用默认的Tanh以外的东西。有些教程喜欢把LSTM的激活函数改成ReLU实测在金融序列上很容易梯度爆炸loss变成nan。保持默认的Tanh配合Dropout训练过程才稳定。第二训练轮数不要固定100次。我看过太多同学硬训100、200轮其实验证集loss在30轮左右就到底了后面反复震荡被早停机制截断反而是好事。我在代码里加了EarlyStoppingpatience设为10意思是验证集loss连续10轮不下降就停止并把最优权重恢复回来。这个机制保证了你随时都能拿到一个可用模型。第三归一化极其重要。我试过不归一化直接训练结果loss曲线惨不忍睹几乎不收敛。原因是金融价格数值可能上万LSTM的内部状态会被大数值冲垮。用MinMaxScaler将数据缩放到[0,1]预测后再反归一化还原成价格。3.3 组合策略对比还是融合题目里LSTM和ARIMA写在一起最常见的设计是“对比分析”。你在系统中同时训练两个模型分别预测同一段测试集计算RMSE、MAE、MAPE等指标最后通过图表展示两条预测曲线和真实曲线的对比。这个方案逻辑清晰答辩时老师无论问ARIMA还是LSTM你都有东西可讲。更好的一种做法是残差组合先用ARIMA拟合序列得到线性部分的预测值然后用LSTM拟合ARIMA的残差把两个预测值相加得到最终结果。这个方案的理论依据是ARIMA擅长捕捉线性结构LSTM擅长捕捉非线性结构。我在实际测试中残差组合的整体误差比单独模型低10%左右这个结果在论文里是很加分的。但残差组合的工程复杂度更高需要额外写一套残差序列的生成与反推逻辑。如果你预算的时间不够还是优先做对比方案把“为什么做对比而不做融合”的理由说充分——比如“本次分析以模型横向评估为目标融合策略已列为后续优化方向”这本身就是一个合理的毕设切入点。4. Flask系统整合与可视化实现4.1 后端接口设计的几种方案Flask在毕设里的作用是把模型封装成Web服务。我建议你的接口设计拆成两个一个是数据查询接口返回历史行情原始数据另一个是预测分析接口返回模型预测结果与评估指标。一个干净的接口设计代码如下from flask import Flask, jsonify, request import joblib import numpy as np app Flask(__name__) # 预测接口 app.route(/api/predict, methods[GET]) def predict(): model_type request.args.get(model, lstm) # 支持 lstm / arima / ensemble look_back request.args.get(look_back, 10, typeint) # 加载历史数据并进行预处理 # 这里调用各自的预测函数返回预测序列 if model_type lstm: pred lstm_predict(look_back) elif model_type arima: pred arima_predict() else: pred ensemble_predict() return jsonify({code: 0, data: pred.tolist(), msg: success}) # 历史数据接口 app.route(/api/history, methods[GET]) def history(): # 从数据库或文件读取历史行情 return jsonify({code: 0, data: history_data, msg: success}) if __name__ __main__: app.run(debugTrue, port5000)接口返回固定结构code、data、msg前端统一处理减少联调成本。这个方法是我自己在多个项目里验证过的比直接返回裸JSON要稳尤其答辩现场浏览器控制台报错时通过code字段能快速判断是后端异常还是前端异常。模型保存和加载也要注意。Keras模型保存为h5文件加载用load_modelARIMA模型可以用joblib.dump把训练好的模型对象保存下来。答辩前一定要确认模型加载路径是绝对路径或者相对路径都对我遇到过因为工作目录不同导致答辩现场加载失败的情况提前多测几遍。4.2 前端交互设计与ECharts可视化前端页面不需要复杂两三个页面足够一个总览页展示历史趋势和模型对比预测图一个数据集页展示原始数据表格一个模型说明页写清两个模型的原理和参数。这三个页面加起来已经足够撑起“网络金融信息分析系统”这个定位。ECharts画预测对比图是最出效果的部分。我当时的做法是前端用Ajax请求/api/predict拿到历史真实价格、ARIMA预测曲线、LSTM预测曲线三条序列画在同一张折线图里并用不同颜色区分。再叠加一个评估指标卡片区用四个小卡片展示RMSE、MAE、MAPE、方向准确率。fetch(/api/predict?modellstm) .then(res res.json()) .then(data { // 假设返回的是预测值数组和对应日期 myChart.setOption({ xAxis: { type: category, data: data.data.dates }, series: [ { name: 真实值, type: line, data: data.data.actual, smooth: true }, { name: 预测值, type: line, data: data.data.predict, smooth: true } ] }); });答辩时的视觉体验非常重要。评审老师看你的系统第一眼是页面整体观感第二眼才是算法细节。ECharts默认样式就足够干净记得把坐标轴标签和Legend字体调大一点答辩时投影仪上才看得清。鼠标悬浮显示具体数值这个交互在答辩时很加分老师一问“这个点对应的价格是多少”你随手一悬停就能展示比你口算或者翻数据表快得多。4.3 模型调参与系统性能的平衡Flask默认是同步处理请求的而LSTM预测时如果加载模型加推理需要几秒钟接口会出现明显延迟。答辩现场最怕的就是点击按钮后白屏转圈。我当时做的优化是模型在服务启动时就加载到内存里不要每次请求都重新加载预测接口只做一次前向推理不做在线训练。ARIMA模型也可以提前拟合并保存预测新序列时直接用已保存参数推理速度很快。这样设计之后整个页面响应基本上在1秒以内演示体验会很流畅。还有一点容易被忽略前端展示的测试集部分最好固定为最近一段日期不要每次刷新都重新训练模型。模型训练放在初始化阶段完成前端刷新只做推理和展示这样既能保证结果可复现又能避免页面卡顿。5. 答辩环节的实战要点与高频问题5.1 开场展示的关键路径设计毕设答辩的时间通常只有10到15分钟你的演示路径必须提前设计好并且要按“业务背景 - 数据处理 - 模型对比 - 系统功能”这条线走。很多同学演示时先打开代码、逐个文件讲解这是最扣分的做法。评审老师想看的是你的系统能做什么不是你的代码怎么组织。我建议开场直接进入系统首页用流程图形式展示数据从采集到展示的完整过程然后演示预测功能选择模型类型点击分析按钮等待数据返回展示图表和指标。整个过程控制在5分钟以内。剩下时间留给老师提问。在演示前一定要准备好“备用测试点”一个稳定的数据区间确保现场预测曲线和论文里展示的基本一致不会因为重新训练产生肉眼可见的偏差。5.2 高频问题与回答思路根据我带学弟模拟答辩的经验评审老师最常问的问题集中在以下几条为什么不用Prophet或者Transformer而选ARIMA和LSTM这个问题回答的核心是“基于课题规模和目标”。Prophet更擅长处理带季节性的业务数据但金融日线数据的季节性和节假日效应并不显著Transformer需要更大数据量和更深的网络在毕设的数据规模下容易过拟合。LSTM和ARIMA恰好覆盖了深度学习和统计方法两个维度对比性更强。ARIMA如何处理非平稳性你答“先通过ADF检验确认序列不平稳后做一阶差分再重新检验平稳性最后通过AIC最小化确定p、q参数”基本就能过关。必要时补充一句“差分阶数d设置为1是因为金融价格序列一般一阶差分后平稳过高的差分阶数会引入过多噪声”。LSTM的窗口长度是怎么定的不要回答“拍脑袋选的”。我当时的思路是做了5、10、15、20四个窗口的对比实验发现10步窗口在测试集上的RMSE最小步数太长会引入过多噪声太短则无法捕捉趋势信息。这个实验对比数据哪怕只有一张小表格也能让答案变得非常扎实。两个模型哪个更准这个问题没有统一答案但你要有自己的结论。我实测的结果通常是在震荡行情中ARIMA的MAPE略低在趋势行情中LSTM的跟随性更好。答辩时给出这个带着场景条件的结论比空泛的“深度学习方法更优”要可信得多。5.3 演示环境下最怕的意外与应急预案答辩现场的网络环境不确定如果你的系统里有任何依赖外网接口的部分比如实时行情抓取那现场就必须准备本地的缓存数据兜底。我当时给学弟设计的系统里加了一个“本地数据模式”当检测不到外网接口时自动加载系统目录下预先保存的JSON数据文件。这个功能花不了多少代码但能避免你在台上尴尬地对着浏览器转圈。还有一个应急预案是准备一个“离线Demo模式”。提前录制好5分钟的系统操作录屏万一现场投影仪、浏览器、环境出问题直接放录屏配合你口述讲解。毕设答辩的最坏情况不是算法效果差而是系统根本跑不起来这条底线必须守住。6. 常见问题排查与经验总结6.1 训练过程中遇到的典型坑loss变成了nan。原因一般是学习率太大或者输入数据有缺失值/NaN。排查步骤先检查输入数据有没有缺失和极端值再尝试减小学习率或者把LSTM激活函数改回Tanh。我在项目里遇到的实际情况是学弟用了一个网上找的历史数据里面日期索引重复导致序列乱七八糟清洗后问题就消失了。验证集loss下降但测试集预测结果很差。这是典型的过拟合。我建议你看看训练集和测试集的分布如果两个时间段的价格区间差异很大比如训练集在1000到2000测试集突然跳到3000模型在测试集上必然失准。缓解办法是增大训练集比例或者对测试集的归一化做更合理的处理——测试集归一化应该用训练集的缩放器transform再出现“测试集归一化用了自己的min/max等于泄漏了未来信息”的错误。模型预测曲线是一条水平线。这个问题在LSTM里很常见意味着模型学到的策略就是“预测下一个值等于上一个值”。原因通常是窗口太短、特征信息量不足或者数据本身在局部相关性强。不要急着加网络层数先试试增大窗口长度比如从10改成20通常会有改善。6.2 答辩前的倒计时检查清单最后一周不要做任何大改动列一个检查清单逐项过一遍模型是否重新训练过且结果稳定数据是否固化前端图表在Firefox和Chrome下是否都正常Flask服务是否能从开机启动后一路跑通答辩PPT里的模型结构图和系统架构图是否和代码一致。这个清单里最容易出问题的其实是“结果一致性”——如果你前一天改了某个预处理参数展示时又忘了重新跑出的图可能和论文里的数据对不上老师追问起来会非常尴尬。我个人还会额外做一件事在答辩前把整个流程完整走三遍包括从零启动系统、加载数据、点击预测、查看图表。不要快进不要跳过按真实节奏来。因为答辩现场人会紧张手上操作会比平时慢很多提前适应节奏能有效降低慌神的概率。6.3 这个题目后续还能怎么扩展如果时间允许LSTM和ARIMA这个组合还可以向两个方向扩展。一个方向是把LSTM换成语义情感分析模型网络金融信息分析本身包含文本信息对公开资讯做情绪打分再把情绪分数作为LSTM的外部特征输入形成“情绪价格”的多模态预测这在课题深度上会更饱满。另一个方向是引入多种金融标的做横截面分析看模型在不同标的上是否具备稳定性这会从单点预测走向系统性分析论文的层次会更高。但这些都属于锦上添花如果核心流程已经跑通论文结构也已经成型不要为了“看起来高深”去引入过多组件。毕设评审的逻辑永远是你做了什么做得怎么样为什么这么做而不是你堆了多少名词。把现有链路的每个节点都讲扎实就足够拿到不错的成绩了。最后分享一点个人感受。这类带Web系统、带算法模型的毕设题难点从来不在单个模型本身而在怎么把数据、模型、界面串成一个可信的整体。我见过不少同学把一个模型调得很精致却讲不清ARIMA的d参数为什么是1另一个模型粗糙一些但整个链路完整、答辩清晰最终成绩反而更好。做毕设不是发论文你不需要做出顶尖创新你需要让每一步选择都有据可循让整个系统自洽并且能像讲故事一样把它讲出来。把这个逻辑理顺了剩下的事情只是时间问题。
阅读完成 · 觉得有帮助？
