内容简介：用深度学习预测股票价格想过去有些不明觉厉，但已经不是什么新鲜事了，今天猿妹和大家分享一个股票预测模型，收集了机器学习和股票预测的深度学习模型，包括交易机器人和(股票)模拟。想要准确预测股票市场是一项复杂的任务，因为有数百万个因素和先决条件会影响股票的走势，所以这个模型需要尽可能多的捕捉到这些先决条件，同时还需要作出几个重要的先决假设：1)市场不是100%随机的，2)历史重复，3)市场遵循人们的理性行为，4)市场是“完美的”。创建者以高盛公司为例子，预测高盛的股票走势，使用 2010 年 1 月 1 日至 2
用深度学习预测股票价格想过去有些不明觉厉，但已经不是什么新鲜事了，今天猿妹和大家分享一个股票预测模型，收集了机器学习和股票预测的深度学习模型，包括交易机器人和(股票)模拟。
想要准确预测股票市场是一项复杂的任务，因为有数百万个因素和先决条件会影响股票的走势，所以这个模型需要尽可能多的捕捉到这些先决条件，同时还需要作出几个重要的先决假设：1)市场不是100%随机的，2)历史重复，3)市场遵循人们的理性行为，4)市场是“完美的”。
创建者以高盛公司为例子，预测高盛的股票走势，使用 2010 年 1 月 1 日至 2018 年 12 月 31 日的日收盘价作为训练(七年)和测试(两年)数据。
为了创建所有神经网络，创建者使用MXNet及其高级API - Gluon，并在多个GPU上进行训练。整体架构如下：
GitHub上还给出了详细的教程介绍每一个步骤，创建者表示最困难的部分是GAN，想要成功训练GAN最难的部分就是获得正确的超参数集。出于这个原因，创建者使用贝叶斯优化(带有高斯过程的贝叶斯优化)和强化学习(RL)来决定何时以及如何改变GAN的超参数。在创建强化学习时，也利用到一些最新的技术，例如Rainbow和PPO。
除了股票的历史交易数据和技术指标，创建者还NLP 中的 BERT 来创建情绪分析模型(作为基本面分析的来源)，傅立叶变换用于提取整体趋势方向......只为捕获尽可能多的关于股票的信息，模式，依赖关系等。众所周知，数据越多越好。
集体过程我们就不过多赘述了，直接看结果：
绘制第一次训练之后的结果
绘制 50 次训练后的结果
绘制 200 次训练后的结果
RL 运行了 10 eposide ，本文定义一个 eposide 是 GAN 完整训练 200 次后，下图是得到的最终的结果
对整个教程感兴趣的，可以到GitHub一探究竟。至于准确率如何，试过就知道了
目前，该项目已经获得 863 个Star，378 个Fork(GitHub地址：https://github.com/borisbanushev/stockpredictionai)
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 如何用深度强化学习模拟炒股
- 程序员高薪盛宴背后：程序员正在消失？
- 大龄程序员的出路，程序员的人生
- 程序员有话说 | 平时的程序猿 VS 面试的程序员
- 程序员被沦陷！国内程序员真的饱和了？
- 1024程序员节，祝程序员们节日快乐！
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
