机器学习真的能预测股价吗？

刚接触各种统计模型和机器学习模型的时候，肯定很多人都抱着类似的幻想：将搜集来的各种数据丢到模型中构建一个预测股价的模型，希望每天打开电脑跑一遍模型，预测下一个交易日的价格，以此决定今天如何交易。

抱有类似幻想小伙伴也一定在网上搜过机器学习预测股价的一系列教程，我在youtube上就看到过一个7万粉丝的大V用LSTM预测股价。初入机器学习的小伙伴在看完教程之后，发现原来预测股价竟然这样容易，仿佛找到了投资的圣杯，财富自由指日可待。

下图就是用LSTM做的股价预测模型，无论训练集、验证集还有测试集都与实际行情“完美重合”。

然而，预测美如画，实盘亏成狗。本期就从时间序列分析模型ARIMA和深度学习模型LSTM两个例子讲讲，如此的比例建模逻辑错在哪，应该怎样做，股价到底能不能预测？

ps：之所以选择ARIMA和LSTM，是因为这两个模型是被各种“大V”用的最多的预测股价的模型。

一、ARIMA（Autoregressive Integrated Moving Average Model）

ARIMA常用于时间序列分析，是AR、MA和差分的结合，本质就是线性回归模型。ARIMA有三个参数，表示为ARIMA(p, d, q)：

• p：自回归(AR)模型的阶数，即滞后项的数量，通过PACF图确定。
• d：差分的阶数。经过d阶差分后，原时间序列数据应当平稳，d最好不要超过2。
• q：移动平均(MA)模型的阶数，通过ACF图确定。

另外介绍几个重要特例：

• ARIMA(p, 0, 0)就是AR§ 或 ARMA(p, 0)
• ARIMA(p, 0, 0)就是MA(q) 或 ARMA(0, q)