20190508：关于rnn解决金融股价预测方面效果的实测分析及可能的解决方法

• 结果表明：在经过各种模型调参以及模型网络结果变化后，回归模型的实际效果并不好。预测值的波动范围很小，预测值的符号跟真实值之间的一致性只有55%左右。

• 实践方面可能的解决办法：

  • 数据预处理：

    • 对特征做归一化时，采用自适应的方法；

    • 对特征做相关性分析，特征是各个变量，股价是因变量；

  • 特征挖掘：

    • 目前特征太少，进一步寻找更多的特征入模看效果如何

    • 特征的表征可能太过单一，是否可以在特征的基础上进一步构造一些衍生特征。衍生特征处理可参考库：https://mrjbq7.github.io/ta-lib/、https://github.com/HuaRongSAO/talib-document）

    • 特征入模的效果如何进行评价，是否根据不同的效果对特征做进一步处理

  • 学习算法方面：

    • 回归的效果不好，改为分类看效果如何

    • rnn的算法不行，cnn和dnn如何