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)<