The challenges of using GANs for stock price prediction

作者：禅与计算机程序设计艺术

1.简介

一、背景介绍

股票市场是我国经济最重要的支柱产业之一。每年新股上市、中签并交易所得利润大幅增加，造就了无数炒手的身影。然而，股票的投机、风险、波动等种种问题也越来越突出，给投资者带来了极大的不确定性，特别是在股价预测方面。 近几年，随着人工智能（Artificial Intelligence）技术的广泛应用，人们对于如何利用人工智能进行股价预测的研究也越来越多。从最近几年的一些论文来看，通过深度学习的方法对股价进行预测已经成为热门话题。相比传统的方法，使用GANs可以有效地解决数据稀疏的问题、提高预测精度，并且可以很好地适应不同的预测任务。本文将结合一些相关研究成果，探讨GANs在股价预测中的应用及其局限性。

二、相关工作

（一）传统方法

（1）基于统计模型的预测方法

为了解决数据稀疏的问题，早期的预测方法往往采用历史数据分析进行预测。这种方法首先会用大量的历史数据进行建模，根据这些数据建立一个预测模型，然后根据未来时间点的特征值进行预测。此外，传统方法还会考虑到价格走势的趋势性和周期性，进一步增强预测的准确性。

（2）回归模型的预测方法

回归模型是一个通用的机器学习算法，可以用来对任意两个变量间的关系进行建模。在股市预测领域，可以使用回归模型对历史数据进行建模，然后根据未来的数据进行预测。同时，回归模型也可以考虑到时间序