2020/6/5整理
根据阅读文章,了解到股票市场有点类似于随机游走,不过许多方面都说明了股票市场并不是一个纯粹的随机过程,所以可能存在着某种隐藏模式,所以LSTM深度网络是预测的主要候选者。
收盘价是股市不断变化的绝对价格,我们需要对其进行标准化,否则其将不会收敛。
通过阅读了解到,分别用逐点、多序列和完整序列进行预测的结果显示,单个逐点预测上运行数据最为符合我们的需求,完整序列效果最差(找到的是价格序列在波动率被消除后的平均值),经过仔细检查,预测线由奇异的预测点组成,这些预测点在它们后面具有整个先前的真实历史窗口。 因此,网络不需要了解时间序列本身,除了每个下一个点很可能不会离最后一点太远。 **因此,即使它得到错误点的预测,下一个预测也会考虑真实历史并忽略不正确的预测,但又会允许发生错误。**一个重要的用途是,虽然它不知道确切的下一个价格是多少,但它确实能够准确地表示下一个价格的范围。此信息可用于波动率预测等(能够预测市场中高波动率或低波动率的时段对于特定交易策略可能非常有利),还可用于异常检测的良好指标。异常检测可以通过预测下一个点,然后将其与真实数据进行比较来实现,如果真实数据值与预测点明显不同,则可以将该数据点进行异常标记。
同样通过翻阅,看到对于股票来说对其产生影响的因素大致有时间、股票序号、股票号、开盘价、收盘价、最低价、最高价、vol(成交量)、change(换手率)、money等,但是通过翻看,发现通常所选维度为时间、开盘价、收盘价、最低价、最高价和交易量。所以可以采用这些对其进行训练预测得到结果。