BigQuant 人工智能量化投资平台 是一站式的Python+机器学习+量化投资平台,曾给出过《基于LSTM的股票价格预测模型》样例,读完下文对人工智能量化投资感兴趣的朋友可以直接前往原文进一步学习研究。
LSTM 的闹剧
随着深度网络的越来越普及,软件开发人员越来越容易对其进行实现,毫无疑问,很多开发人员会用他们熟悉的基于股票价格的预测来训练长短期记忆网络。我见过好几篇论文,展示了如何通过把历史资产价格用于LSTMs训练然后得出“完美地符合”现实的结果。
我相信你也曾怀疑过这些说法都只是一场闹剧。我们都知道,即使你做得再好,也无法准确地预测到市场的90%-100%,即便你进行相当精确地定义。股票市场正如它反映的社会经济一样不断变化,我们暂时还不能做到完美预测。
我所看到的的是,这些作者采用了一些以前的资产价格,有时会对那些价格进行“准确的转换”(即记录日志、规范逻辑、换算价格、或者将价格转换为百分比回报值),再把这些序列注入长短期记忆网络,要求LSTMs预测下一个价格,然后再将他们的窗口前移一天以进行重复使用。
当他们做完这一切后,再想出一个漂亮的情节来表明他们几乎能够完全预测资产的价