AI在路上

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...

在聚数力平台上下载的股票数据为csv格式，内容为历史每日股票的基本数据，为了使数据能表现我们对股票预测因素的分析，我们需要对数据进行加工。我们选择上证指数作为示例，原始数据如下图：包括日期，前收盘价，开盘价，最高价，最低价，收盘价，成交量，成交金额，涨跌，涨跌幅。1、首先读取数据，将数据从文件中读入至程序列表中：def readData(): ''' 数据读取，从c...

在数据加工好以后，我们用TensorFlow做简单的预测。按之前的做法去读取并加载数据 data,date= dp.readData() train,test,trainLables,testLabels= dp.normalization(data)然后添加变量和参数    x = tf.placeholder("float",[None,109]) w = tf.Vari...

根据之前方案呈现的结果，当前存在以下问题：1、大盘数据较少，共6000多条数据，还需要留一部分做测试集2、大盘指数波动幅度较小，因此程序自动预测为0时撞上的几率较大3、网络形式简单，未考虑LSTM网络综上进行方案优化：1、使用上证市场的所有股票数据进行学习，股票数据加上当日大盘数据作为样本2、股票涨跌幅度应该是符合正态分布的，故对标签的分配重新划分，相对0成对称划分，且越靠近0处划分区域越小，以使...