从零开始用人工智能预测股票（一、特征选取）

随着人工智能的崛起，越来越多的学科正在被人工智能改造，包括金融领域的很多分析决策工作。而神经网络是目前最火的人工智能技术，在我的理解中，神经网络适合处理拥有大量实践数据，数据内部存在某种关系的问题，正好股票的涨跌看起来符合这样的规律。

本教程是我自己摸索规律，学习使用算法和TensorFlow工具进行股票预测的记录，持续更新。

1、特征选取

为了用神经网络模拟大量数据中存在的某些关系，首先需要选取可能对结果产生影响的特征。经过我不成熟的思考，我认为可能有以下一些方面：

a、历史数据影响因子：

1、自身历史数据（这个很好理解，之前的数据会对之后的数据走势产生影响）
2、历史涨跌停数据（a股具有涨跌停特点，涨跌停时涨跌幅并不能完全反应当天市场动能，可做特殊标注）

b、大环境

1、经济指数（经济大环境会对股票走势产生影响）
2、股市指数（股市总体的热度，包括指数，成交量，开户数等）

c、热度

1、自身百度指数（百度指数反应股票在社会中的影响力大小）
<