先说结论：预测数据还无法使用，不过看到点希望。
1）模型
GRU(input_size=5,hidden_size=512)+nn.Linear(512, 50), nn.Tanh(),nn.Linear(50, 1))
loss_func = torch.nn.MSELoss()
optimizer = torch.optim.Adam(model.parameters(), lr)
2）训练和预测数据
使用ETF来训练和预测。ETF只使用200天以上的股票型基金（去掉国外、港股、期货、货币基金、黄金白银、金属、国债、城投等），筛选出183支ETF。
每支ETF都用于训练和测试。前边训练，后边12天+（batch会丢掉一部分训练数据）做测试评估。
每天的数据是5维（当日涨幅、成交量涨幅、开盘涨幅，最高涨幅，最低涨幅）
预测随后5天的涨跌。
3）结果
经过1000轮以上训练，183支股票的训练误差都能同时收敛到0.5以内。
看图：
前边的训练数据拟合得很好，但是后边的评估数据误差还是很大。原因未知，后续继续探索改进。
2021年11月8日收盘后预测后5天涨幅（其中loss是前一周的总预测误差）：
0 sh588000 科创50ETF 0.32_loss=3.19
1 sz159949 创业板50ETF -1.28_loss=3.24
2 sh510050 上证50ETF 0.61_loss=17.32
3 sh510300 沪深300ETF -0.43_loss=13.94
4 sh510500 中证500ETF 1.37_loss=1.20