Home >  > LSTM股票预测

LSTM股票预测

0

最终靠谱的不是模型,而是你给模型了什么特征。

这个特征在机器学习里叫特征,在量化投资里叫因子,至于如何挖掘靠谱的因子,那就是另一门学问和技术了,这也是大小量化投资机构量化投资研究员吃饭的手艺,必然不是仅仅靠一个End-to-End的深度学习模型就能搞定的了。

根据第一点股票预测这件事情肯定是可以做的,因为股票预测是数据挖掘的问题,无非也就是根据一堆数据分析去得出一个分类而已:{0:涨,1:跌}。但是,用Deep learning去做靠谱吗?

注意到了人工下单几个普遍的习惯 逆向考虑这些习惯能产生什么影响
历史回测
然后实盘测试
结果都非常稳健 仅有的问题就是赚钱不够快而已。。。

我们ML教授曾经说,虽然机器学习研究这么火热,但是在业界90%以上的应用仍然使用的是线性模型,尤其是在Predicative Learning(预测学习)领域。
https://www.zhihu.com/question/27420308

Ran:
预测股票这事不需要绝对靠谱,无论是不是用深度学习。也不太可能很靠谱。不过只要我们确实能发现一些特征在用于交易的时候,比我随机去猜要靠谱,那其实就够了。比如选股,我是用深度学习的,更感觉这深度学习模型很像多因子模型,只不过比多因子模型更灵活,权重分配的也许更加合理。每天给我选的50支股票,其中1/3多都在跌。但是另外的部分在长。长期来看,还是能轻松跑赢大盘的,除去交易成本,年化收益还是比较可观。顺便说一下,要是你用深度学习来处理金融行情,首先使用方法就不能参照图像识别领域使用的方法已经相关经验,不然错的会很离谱。

你指我用的什么模型架构?一个混合架构,可以看成一个集成学习,包含了auto-encoder and decoder,CNN,和树状结构。没用大家都以为分析时序最厉害的RNN结构,例如LSTM。亲测RNN不是说不好,而是性价比不高。

选因子确实很关键,也不一定非得是没人发现的。实践证明有几个常见的因子和其他因子有很强的非线性关系,还是能看出一些猫腻。

可参考:
https://zhuanlan.zhihu.com/p/35756191

https://github.com/Ceruleanacg/Personae

本文暂无标签

发表评论

*

*