AI落地项目一：量化交易

开发记

自从看了《Attention is all you need》后，看到了注意力机制对神经网络带来的巨大提升，就目前来说Transformer及其变体网络在NLP、机器视觉等领域处于霸主地位，虽不确定"money is all you need"还是"attention is all you need"，但是不可否认的是Transformer给我们的算法带来了很大的提升！本文我们将尝试将其用于量化交易，后续会陆续推出针对其他领域的版本（机器学习模型已经在训练中），比如医疗诊断、工业自动化等，服务器搭建好后将陆续上架微软商店MicrosoftStore，并保持核心神经网络持续更新（如想实现其他特定的功能也可联系作者进行针对性开发）。
声明：本文为作者原创，文章内包含资源也均为原创，谢绝转载，如有需要请征得本人同意！

神经网络模型

由于模型太大图片上传后加载缓慢且显示不全，所以暂时取消图片。采用的网络基于Transformer，参数量：19839528。

成品效果

本算法在Ubuntu环境下用pytorch训练，为了效率，程序采用C#编写，以uwp形式呈现，运行环境要求：Win10:19041，低于该版本的操作系统可能无法使用，顺便吐槽一句微软Windows.AI.MachineLearning的各种深坑，真是一言难尽，且不说从python转到C#如何如何，微软现在的开发文档感觉有点不走心了，向牺牲掉的那些头发致敬！深度学习模型是用黄金期货数据训练的，训练的数据量不是很多，如有需要我会继续对其进行训练并持续更新模型参数，以期获取更好的效果！

程序演示

几点说明：
1、程序可以同时解析多个进程
2、程序的结果以绿色字体高亮提示
3、可以解析程序，网页等一切可以从列表里选择的窗体，要解析的窗体不可最小化

程序设置

如图所示：

①、设定刷新间隔，数值越大刷新越慢，数值越小刷新越快，结果解析越及时，但是数值越小cpu负载越重，视个人电脑配置设置。
②、解析结果阈值，用来限制提示结果，如图所示如果解析结果概率小于60则不予提示。
③、解析时是否对数据进行规范化，建议开启。
④、抓取模式，随便选。
⑤、输入神经网络数据格式，一般选择Tensorfloat。
⑥、缓冲区大小，一般设置为1就可以，缓冲区设置越大越不容易丢失数据，视个人配置设置。
⑦、用来设置机器学习模型运行的引擎，以GPU驱动会大大增加解析速度，减小cpu使用率，但是如果没有配置GPU的话请选用CPU。
补充：需要填数值的设置项输入数值后请点击输入框后边的Enter按钮，如果该按钮没出现，则说明输入的值不在可允许的范围内，请看提示输入合适的数值！

后记

本程序所用到的模型作者会一直进行优化训练，并会一直更新模型数据，想使用本程序请联系作者VX，获取本程序后会永久获得更新服务！上架微软商店后也可从微软商店获取！
扫描以下二维码添加作者！