利用机器学习训练分类好的 k 线图,能否识别股市涨跌?

2021-09-05 16:00:08 +08:00
 shenfu1991

大家都知道 12306 验证码出来的时候人工识别费时费力,通过机器学习对其分类,通过大量训练,验证码识别正确率

达到 99%以上。

那么,如果我们把已经分类好的 k 线图,按照其属性分类为 涨、跌、横盘 3 个类别,通过训练,最后得出来的模型能

否用于预测股市涨跌?

因为不是该领域的,所以没办法验证,有兴趣的大佬可以试试。不过这需要大量的训练图片,有点不好弄。

PS:纯属讨论可行性,不要人身攻击,thx 。

11759 次点击
所在节点    程序员
114 条回复
tfdetang
2021-09-05 17:14:52 +08:00
大家对于金融产品的认知过于狭隘了,认为只有股票这种东西;其实用模型预测波动率变化,然后进行期权交易还是很有搞头的
Microi
2021-09-05 17:15:45 +08:00
是不是读了所有的历史书,就可以精准预测未来?
pupboss
2021-09-05 17:18:03 +08:00
滴滴被 ban 当天的股价,你用哪个模型可以预测出来?
教育股腰斩那天哪个模型可以预测出来?
去年美股无限熔断,美联储无限 QE 之后,一路涨破新高,又能用哪个模型预测出来?
Actrace
2021-09-05 17:20:48 +08:00
股市投资就一个原则:跟着大势走。
没有那么复杂的东西。
jupiter157
2021-09-05 17:37:26 +08:00
机器学习之前,我们必须准确描述规律才能模拟;有了机器学习,我们可以在不清楚规律是啥(黑箱)的情况下还能模拟。前提都是规律必须客观存在且可靠。现在股市数据的噪声太大(随机性、政策突发性、人为操控),以至于其背后的规律没啥意义。
li02
2021-09-05 18:03:00 +08:00
研究行为金融学吧
过去的价格对未来的走势没有太多影响,此路不通
ulosggs
2021-09-05 18:03:38 +08:00
月经
cnrting
2021-09-05 18:08:25 +08:00
也许互联网这个大 AI 可以
elfive
2021-09-05 18:11:02 +08:00
能预测国家发布新政策新法规吗?
Dvel
2021-09-05 18:15:48 +08:00
这个风险太大了,应该训练一下双色球,两块钱买个吃亏。
Sapp
2021-09-05 18:19:01 +08:00
老早就有人这么搞吧,比如最近天天爆天量成交我看雪球不少人说就是玩量化那些人搞出来的,量化交易应该就涉及这个吧。
vemier
2021-09-05 18:20:49 +08:00
能,世界首富就是你了
billytom
2021-09-05 18:23:21 +08:00
美国的可以,中国的不行,A 股专治各种不服,巴菲特来吧废狗走。他们用埃尔法狗试过了,亏了 14%,没继续测试了
Muniesa
2021-09-05 18:30:38 +08:00
k 线图一样,后面的走势就一定一样吗?
msg7086
2021-09-05 18:48:29 +08:00
以前公司的一个同事之前去了一个公司,是通过分析社交网络上的内容来预测走势的。你要是想做分析的话可以走这条路试试。
wangbenjun5
2021-09-05 18:49:38 +08:00
@shenfu1991 你看看同花顺里面,有一个预测股价走势图的功能,也就图个乐
kkhu2004
2021-09-05 18:52:00 +08:00
@ch2 你这句话是全贴总结最精辟的一句!
忍不住专门来登录再手动赞一下。
jeeyong
2021-09-05 18:56:28 +08:00
K 线是已经发生的事情..
IGJacklove
2021-09-05 19:06:42 +08:00
这东西早就有了啊,量化交易.还有比这跟高级的,能通过分析文字,政策啥的来做判断的,好像是自动抓取新闻来判断对市场的影响,都是玩烂的东西.最近 A 股天天天量成交就是量化搞的.
akira
2021-09-05 19:10:07 +08:00
很多人都和你有一样的想法,基本上都失败了。。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/799974

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX