毫无疑问,优质的神经网络模型能够更加准确地预测股票未来走势。
如何才能创建一个优质的神经网络模型呢?
1.选择关联度高的因子
举个例子,要预测一个人是男还是女,有以下两组因子可供选择:
A. 头发颜色、皮肤颜色、是否双眼皮
B. 是否长胡子、是否有喉结、体重
这简直就是送分题,选项B几乎能够完全准确的预测出真实结果。
所以要想创建优质的神经网络模型,必须选择关联度高的因子。
![b400df989795d85fd37803f9e4722e50.png](https://i-blog.csdnimg.cn/blog_migrate/b90c877ba0b79c2bdf05d716d0b7334d.jpeg)
2.选择合理的神经网络架构
同样的因子,在不同的神经网络架构下,预测出的结果会大不相同。
结构过于简单,会存在"欠拟合"的情况,简单说就是该分析出来的没分析出来;结构过于复杂,又会出现"过拟合"的情况,简单说就是不该分析出来的分析出来了。恰到好处的网络结构,才能够分析出想要的结果。
欠拟合比较容易理解,以过拟合举个例子:
一名学生,生活在一个偏远的A村,考上了城里的B高中,他是村子有史以来唯一考上B高中的人,高考后,又如愿考上了清华大学。
如果模型出现过拟合,就会认为:"生活在A村"并且"就读于B高中"的人,100%能够考上清华大学。这是事实,但不是我们想要的结论。
![761070595dddedee00be724ecb26f058.png](https://i-blog.csdnimg.cn/blog_migrate/19aae513c09a05737bd5a03ecff4acee.jpeg)
3.实际预测效果
![be5c594243709f67a5524e69a35a703c.png](https://i-blog.csdnimg.cn/blog_migrate/7857c3bb0f92d63a9bd596b0b6c121cb.jpeg)
运用LSTM模型预测股价走势,如图所示,蓝色预测值能够很好的拟合黄色真实值,可以有效地预测出股票未来走势。
巴菲特,公认的投资大师,在过去的20年平均回报率高达20%;詹姆斯.西蒙斯,运用他的量化模型,1989-2009年,平均回报率约35%。