神經網路股票市場

① 請教用人工神經網路進行股票預測在weka

預測股票可不是有以往股票數據就能的，要考慮因果性，現實事件與股票波動有因果性，也就是時序性。在這情況下有LSTM單元組成循環神經網路可以做到，但訓練集的強度跟體積可是很大的，這需要注意。

② 神經網路預測股票准嗎

目前還達不到非常准確的效果，決定股票走勢的因子很多，有些如突發的並購、減持、宏觀經濟的事件、公司人事的更迭等等，這些事件神經網路沒法給出好的判斷。

③ 吳微的論文論著

1． 吳微,解非線性分枝問題的擴展方程方法,
科學出版社, 北京, 1993.
2.R. Li, Z. Chen and W. Wu, Generalized Difference Methods for
Differential Equations,
(美國）Marcel Dekker Inc., New York, 2000.
3.吳微, 神經網路計算,
高等教育出版社, 北京, 2003.(「十五」規劃國家級教材) 1． 吳微,李榮華, 解一維二階橢圓和拋物型微分方程的廣義差分法,
數學年刊, 5A(1984)303-312.
2． 吳微, 系數與時間相關的二階雙曲方程的半離散有限元逼近,
吉大自然科學學報報, 1(1985)35-42.
3． 吳微, 與時間相關的二階雙曲方程的全離散有限元逼近,
吉大自然科學學報, 2(1985)46-54.
4． 吳微, 與時間相關的非自共軛拋物方程的全離散有限元逼近,
高校計算數學, 2(1985)113-120.
5． 倪平,吳微,廣義 Galerkin 方法的超收斂估計,
高校計算數學學報, 2(1986)154-158.
6． 吳微, 解雙調和方程的混合廣義差分法,
吉大自然科學學報, 3 (1986)14-22.
7． 吳微, The Calahan method for parabolic equations with time-
dependent coefficients,
計算數學(英文版), 5(1987)10-20.
8． 包剛,吳微, 二階雙曲方程廣義差分法的誤差估計,
吉大自然科學學報, 2(1987)33-42.
9． 吳微, 非線性拋物方程廣義差分法的誤差估計,
計算數學(中文版), 2(1987)119-132.
10．吳微, 非線性轉折點計算中的矩陣分裂技巧,
高校計算數學學報, 4 (1990)355-369.
11．P.J. Aston, A. Spence and W. WU, Bifurcation to rotating waves in
equations with O(2)-symmetry,
SIAM J. Apll. Math., 52(1992)792-809. （SCI)
12．P.J. Aston, A.Spence and W.Wu, Numerical investigation of the
bifurcation from travelling waves to molated travelling waves,
Inter. Ser. Numer. Math., 104(1992)35-47.
13．Wei WU, Nondegeneracy of Hopf points emanating from a Z_2 symmetry-
breaking Takens-Bogdanov point,
Appl. Math. Lett., 6(1993)9-12. (SCI)
14．吳微,吳柏生,李榮華, Singular points near a double foldpoint in
Z_2-symmetric nonlinear equations,
高校計算數學學報(英文版), 2(1993)101-115.
15．A. Spence, W. Wu, D. Roose and B. De Dier, Bifurcation analysis of
double Takens- Bogdanov points of nonlinear equations with $Z_2$-
symmetry,
Inter. J. Bifurcation and Chaos, 3(1993)1141-1153.
16．蘇毅,吳微, 從雙重摺疊點分枝出的 Hopf 點的非退化性和穩定性,
吉大自然科學學報, 3(1993)1-8.
17．吳微, Galerkin methods for elliptic and parabolic convection-
diffusion problems,
東北數學, 9(4)(1993)525-538.
18．吳微, A Petrov-Galerkin method based on symmetrization for
convection-defusion problems,
東北數學, 10(1)(1994)59-70.
19．W. Wu and A. Spence, A pitchfork/fold interaction in nonlinear
equations with Z2-symmetry,
東北數學, 10(2)(1994)174-180.
20．W. Wu, Y. Zou and M. Huang, Heteroclinic cycles emanating from
local bifurcations,
manuscripta mathematika, 85(1994)381-392.(SCI)
21．W. Wu, P.J. Aston and A. Spence,
Rotating waves from Hopf bifurcations in equations with O(2)-
symmetry,
SIAM J. Sci. Comput., 15(3)(1994)495-510.(SCI)
22．W. Wu, A. Spence and K.A. Cliffe,
Steady-state/Hopf interaction at a symmetry-breaking Takens-
Bogdanove point,
IMA J. Numer. Anal., 14(1994)137-160.(SCI)
23．吳微, Stability of travelling waves,
數學研究與評論, 14(3)(1994)1-7.
24．蘇毅,吳微, Singular points near an X0-breaking double singular fold
point in Z2-symmetric nonlinear equations,
東北數學, 10(3)(1994) 385-395.
25．W. Wu and Y. Su, Stability of periodic solutions generated by Hopf
points emanating from a Z_2-symmetry-breaking Takens-Bogdanov
point,
東北數學, 11(2)(1995)157-168.
26．吳微, Period-doubling bifurcation of travelling waves,
非線性動力學學報, 2(增刊)(1995)48-52.
27. 吳微，Bifurcation from steady-state to global dynamics,
Bull. Allahabad Math. Soc., 10/11(1995/96)85-94.
28．鄒永魁,吳微,Petrov-Galerkin method with linear trial and
quadratic test spaces for parabolic convection-diffusion problems,
東北數學, 12(2)(1996)207-216.
29．W.Wu,On nondegeneracy of Hopf bifurcation points emanating from
TB point.
Nonlinear Analysis T.M.A., 26(6)(1996) 1161-1168.(SCI)
30．P.J. Aston, A. Spence and W. Wu, Hopf bifurcation near a double
singular point,
J. Computational and Applied Mathemetics, 80(1997)277-297.(SCI)
31．W. Wu and F.Y. Meng,Mode interaction at a triple zero point of
O(2)-symmetric nonlinear systems with two parameters,
東北數學, 16(1)(2000)10-20.
32. 吳微，趙衛海，廣義逆矩陣及其在神經網路計算中的應用，
大連理工大學學報，40(S1)(2000)9-11。
33. 吳微，陳維強，劉波，用BP神經網路預測股票市場漲跌，
大連理工大學學報，41(1)(2001)9-15。
34. 李正學，吳微，張宏偉，Convergence of on-line gradient methods for
two-layer feedforward neural networks，
數學研究與評論， 21(2)(2001)219-228。
35．孔俊，吳微，趙衛海，識別數學符號的神經網路方法，
吉大自然科學學報, 3(2001)11-16.
36. 吳微，陳維強，用於股市預測的BP演算法的一些改進，
大連理工大學學報，41(5)(2001)518-522。
37. 孔俊，吳微，Online gradient methods with a punishing term for
nureul networks,
東北數學, 17(3)(2001)371-378.
38. Wei Wu and Yi Su, Hopf bifurcation near a singular point with Z2-
symmetry and X0-breaking,
J. Computational and Applied Mathematics, 144(1-2)(2002)335-347.
(SCI)
39. Wei Wu and Yuesheng Xu, Deterministic convergence of an online
gradient method for neural networks,
J. Computational and Applied Mathematics,144(1-2)(2002)335-347
(SCI)
40. Wei Wu, Guori Feng and Xin Li, Training multiple perceptrons via
minimization of sum of ridge functions,
Advances in Computational Mathematics, 17(2002)331-347.
(SCI)
41．Zhengxue Li, Wei Wu and Weidong Gao, Predictions of stock market
by BP neural networks with technical indexes as input,
J. Mathematical Research and Exposition, 23(2003)83-97.
42．郭立賓，吳微，二維圖像中交叉點的神經網路識別，
大連理工大學學報，43(2003)548-550。
43．Wei Wu and Zhiqiong Shao, Convergence of online gradient methods
for continuous perceptrons with linearly separable training
patterns,
Applied Mathematics Letters, 16(2003)999-1002.(SCI)
44．Zhengxue Li, Wei Wu and Yuelong Tian, Convergence of an online
gradient method for feedforward neural networks with stochastic
inputs，
Journal of Computational and Applied Mathematics, 163(1)(2004)
165-176.(SCI)
45．張玉林，吳微，用BP神經網路捕捉股市黑馬初探，
運籌與管理，13(2)(12004)123-130.
46. Lijun Liu and Wei Wu, Finite convergence of MR1 neural networks
for linearly separable training patterns,
Lecture Notes in Computer Science, 3147(2004)282-295. (SCI)
47. Wei Wu et al., Recent developments in on convergence of online
gradient methods for neural network training,
Lecture Notes in Computer Science, 3147(2004)235-238. (SCI)
48. Liqing Zhang and Wei Wu, Online gradient methods with a penalty
term for neural networks with large training set,
J. of Nonlinear Dynamics in Science and Technology, 11(2004)53-58.
49. Hongmei Shao, Wei Wu and Feng Li, Convergence of online gradient
method with a penalty term for feedforward neural networks with
stochastic inputs, Numerical Mathematics, A journal Chinese
Universities, 14(2004)87-96.
50. Wu, W., Feng, G., Li, Z. and Xu, Y., Deterministic Convergence of
an Online Gradient Method for BP Neural Networks, IEEE
Transactions on Neural Networks, 16(2005)533- 540. (SCI)
51. Zhengxue Li, Wei Wu, Guorui Feng and Huifang Lu, Convergence of an
Online Gradient Method for BP Neural Networks with Stochastic
Inputs, Lecture Notes in Computer Science, 3610(2005)720-729.
Ei Compedex (05439427415), SCI (BDA22)
52. Yang, J; Wu, W; Shao, ZQ, A new training algorithm for a fuzzy
perceptron and its convergence, Lecture Notes in Computer Science,
3496(2005) 609-614, Ei Compendex (05399382279), SCI (BCN38)
53. 曲笛，吳微，邵紅梅，帶動量項的線性輸出BP網路收斂性, 高校計算數學學
報，27（2005）增刊，368—372.
54. Naimin Zhang; Wei Wu; Gaofeng Zheng, Convergence of gradient
method with momentum for two-Layer feedforward neural networks,
IEEE Transactions on Neural Networks, vol.17, no.2, 2006, 522-
525, Ei Compendex (06129763934), SCI (026SD)
55. Wei Wu, Feng Li, Jun Kong, Lichang Hou, and Bingi Zhu，A Bottom-
Up OCR System for Mathematical Formulas Recognition，D.-S. Huang,
K. Li, and G.W. Irwin (Eds.): ICIC 2006, Lecture Notes in Computer
Science, 4113（2006）274–279, Ei Compendex（064210172616），SCI
56. 吳微，侯利昌， 基於LL（1）文法的印刷體數學公式結構分析方法， 大連理
工大學學報，46（2006）454-459
57. SHAO Zhiqiong, WU Wei, YANG Jie, Finite convergence of On-line BP
neural networks with linearly separable training patterns, 數學研究
與評論，26（2006）451-456
58. Wei Wu, Hongmei Shao, and Zhengxue Li，Convergence of Batch BP
Algorithm with Penalty for FNN Training， I. King et al. (Eds.):
ICONIP 2006, Part I, Lecture Notes in Computer Science 4232, 562–
569, 2006. SCI (BFG80)
59. Lichang Hou, Wei Wu, Bingi Zhu, Feng Li, A Segmentation Method
for Merged Characters Using Self-Organizing Map Neural Networks,
Journal of Information and Computational Science, 3:2(2006)219-
226. EI Compendex
61. Hongmei Shao, Wei Wu, Lijun Liu， Convergence and Monotonicity of
an Online Gradient Method with Penalty for Neural Networks， WSEAS
TRANSACTIONS on MATHEMATICS，6:3（2007）469-476. EI Compendex
62. 陳兵，吳微，基於SOFM和最短路徑法的粘連字元分割，儀器儀表學報, 2006
年第6期增刊，2090-2106
63. Lijun Liu and Wei Wu，Dynamical System for Computing Largest
Generalized Eigenvalue，J. Wang et al. (Eds.): ISNN 2006, Lecture
Notes in Computer Science 3971, 399-404, 2006. SCI
64. Huifang Lu, Wei Wu, Chao Zhang, Yanxiong, Convergence of Gradient
Descent Algorithm for Pi-Sigma Neural Networks, Journal of
information and Computational Science, 3:3(2006)503-509. EI
Compendex
三. 國際會議論文集
1． Wei Wu, E. Suli and K.W. Morton,
Optimal order estimates for linear Galerkin methods for convection-
diffusion problems,
MAFLAP 87, London,Academic Press, 1988.
2． A. Spence, P.J. Aston and W. Wu,
Bifurcation and stability analysis in nonlinear equations using
symmetry-breaking in extended systems,
Numerical Analysis, Dundee, 89, eds. D.F Griffiths at. al.,
Longman, 1990, 243-256.
3． W. Wu,K.A. Cliffe and A. Spence,
Steady-state/steady-state mode interaction in nonlinear equations
with Z2-symmetry,
Continuation and Bifurcation: Numerical Techniques and
Applications, eds. D. Roose, De D. Dier and A. Spence, Leuvon,
Belgium, 89.Kluwer Academic Press, 1990, Series C: Mathematical
and Physical Science, Vol. 313., 89-104.
4． Wei Wu and A. Spence,
Hopf points emanating from a double singular fold point,
工程與科學中的非線性問題國際會議文集, 肖竹鐵,胡向忱主編, 科學出版
社, 北京,1992, 267-269.
5． Wei Wu,
Mode interaction at a triple zero point of O(2)-symmetric
nonlinear systems with two parameters,
World Congress of Nonlinear Analysts'92, Florida, ed. V.
Lakshmikantham, Walter de ruyter, Berlin, New York, 1996,2011-2022.
6． Wei Wu, Heteroclinic and Hopf points bifurcating from local
singular points,
Bifurcation Theory and Its Numerical Analysis, eds. Z. Chen, S.
Chow, K. LI, Xi』an, China, 1998, Springer, 194-202.
7.Wei Wu，Convergence of an online gradient method,
Abstracts of short communications and poster sessions,
InternationalCongress of Mathematicians, Beijing, 2002, Higher
Ecation Press, p353.
8.Wei Wu and Yuesheng Xu, Convergence of online gradient method for
neural networks, in Numeriacal Liner Algebra and Optimization,
edited by Ya-xiang Yuan, (Proceedings of 2001』 International
Conference on Numerical Optimization and Numerical Algebra,
Dunhuang, China, ) Science Press, Beijing/New York, 2003, 52-67,
(Invited lecture)
9.Hongmei Shao, Wei Wu, Feng Li and Gaofeng Zheng, Convergence of
gradient algorithm for feedforward neural network training, The
Proceedings of International symposium on Computing and
Information (ISC&I 2004), Edited by Renhong Wang and Xiaonan Luo,
CIC Media Ltd., 2004, pp. 627-631
10. Wei Wu, Hongmei Shao and Di Qu, Strong convergence for gradient
methods for BP networks training, Proceedings of 2005
International Conference on Neural Networks & Brains (ICNN&B』05),
Edited by Mingsheng Zhao and Zhong Shi, Beijing, China, 2005,
IEEE Press. pp. 332-334.
11. 李峰, 吳微, 版面分析中基於可並行化局部操作序列的局部極大成分標記,
第六屆全球智能控制與自動化大會 (WCICA』06), 大連, 中國, 2006, IEEE
Press. pp. 10512-10516. (ISBN:1-4244-0331-6) EI
12. HONGMEI SHAO, WEI WU，LIJUN LIU，Convergence of an Online Gradient
Algorithm with Penalty for Two-layer Neural Networks，Proceedings
of the 10th WSEAS International Conference on APPLIED MATHEMATICS,
Dallas, Texas, USA, November 1-3, 2006. Edited by G. R.
Dattatreya, WSEAS, (ISSN: 1790-5117, ISBN: 960-8457-55-6)
13. Wei Wu, Liqing Zhang and Naimin Zhang, Online gradient method with
a penalty term for BP neural networks, in Proceedings of the
Seventh China-Japan Seminar on Numerical Mathematics, Zhangjiajie,
2005, Edited by Zhong-Ci Shi and Hisashi Okamoto, pp.179-192,
Science Press, Beijing, 2006. 1.李正學，吳微, 引入技術指標的BP網路在滬市綜合指數漲跌預測中的應用,
CCAST-WL Workshops Series, Beijing, Aug. 2001, Vol. 142, 161-176.
2.吳微，陳維強，劉播，用BP神經網路預測股票市場漲跌，
CCAST-WL Workshops Series, Beijing, Aug. 2000, Vol. 127, 1-22.
3.吳微, Generalized Difference Methods for Partial Differential
Equations,
The Third International Workshop on Scientific Computing and
Applications, Hongkong, 2003, 國際會議特邀報告.
4.吳微，Monotone and deterministic convergence of online gradient
methods for feedforward neural networks，
第二屆中韓數值分析及其應用研討會，北京，2003, 國際會議特邀報告.
5.吳微，Deterministic convergenceof an online gradient method for BP
neural networks，
The Second International Symposium on Computing Science,
Guangzhou, 2002, 國際會議特邀報告.
6.吳微，Some recent developments on convergence online gradient
methods for neural networks,
第七屆中日計算數學研討會,張家界,2004, 國際會議特邀報告.

④ 纏論說：江恩、波浪、神經網路，周期理論全都無用！（36）

纏師在「教你炒股票」的第19章中，點評過當時流行於市場中的幾大技術流派。其中就有江恩、波浪、神經網路、周期理論等等。

按纏師的原話，這些都是把一些或然的東西當成了必然，似是而非，理論上頭頭是道，一用起來錯漏百出。

這些東西是不是真的有用，辯證的看。

當看到還有宗教兩字的時候，我有點吃驚，這東西是真的假的？如果宗教的因素如此巨大，那心理、 社會 學，豈不是影響也十分巨大？為何不提？

波浪理論，在圖形學上，在動力學上，有一定的道理，但並不完整，屬於發展中的一種。可以解釋一部分的原因，但根本的解釋並不完整。但，非常好用！好用在解釋起來很簡單。

神經網路時間模型是一套基於預測下的模型。具體什麼內容，太復雜看不懂。

股票的周期理論，上面解釋的足夠清楚了。

這四個技術理論，我看完了之後，發現了一個共同點，那就是基於「時間」為核心。而纏論的本質，是於時間無關的。

纏師的另一句原話：「那些支持位、阻力位，通道線、第三浪之類的玩意，只能當莊家製造騙線的好工具。對於莊家來說，對一般人所認識的所謂技術分析理論，早就研究得比誰都精通，任何 坐過庄的人都知道，技術圖形是用來騙人的，越經典的圖形越能騙人。但任何莊家，唯一逃不掉的 就是本 ID 在分析中所說的那些基本的東西，」

技術分析，只是纏師炒股理論中三項之一，但確實是對於完全沒消息的散戶來說，最公平公正的方法之一了。而研究技術，又是最穩定最可靠的辦法之一。

市場有其規律，而規律並不顯而易見，中間隱藏了無數的騙線。使得傳統的那些理論，對於發展中的各種圖形是沒有辦法的，是沒有當下的辦法的。

上面纏師講過，市場里的莊家，是一群特別聰明的人，他們的研究，從專業度上來說，遠遠超出普通的散戶，他們學習是為了吃飯。而散戶只是「 娛樂 」一下，不可同日而語。

市場里的圖形，千變萬化，微小的變化，都可以產生巨大的差異，何況只是一個形似。而上面的理論中，不光形似還達不到90%，而且只有少數幾個標準的形態，這些形態如果莊家沒有辦法對應，那他們早死N回了。所以，那些滯後的圖形，在纏師看來，百無一用就是「真實存在」的。

事後馬後炮們，永遠在理，因為事實已經發生，你讓他們當下的判斷，他們也有50%的機會蒙對。而且連續三次蒙對的可能性，也是非常大的。只是他們的操作方法，非常的有技巧。

雖然每回都是50%的正確，但三五次之後，就會有些人覺得他們是全部正確，於是充分的相信他們。而他們掙的，就是這一小部分人的錢。其他人？與他何干。市場里永遠不缺新韭菜，一茬一茬的割，永遠也割不完。

上面的四種理論以及其他，我們大膽假設一個情況，假如上面的理論都是正確的。但學習成本，可就非常非常高了。只要你的學習成本足夠高，那對於莊家來說，也有足夠的韭菜能收割，何樂而不為呢？

甚至繼續大膽假設，這些理論的講解，本身就是這批莊家在寫的，他故意誤導你，你一點辦法也沒有，因為你一點分辨的能力也不具備，你還能指望靠學它掙到錢嗎？

市場永遠在教育你，交一點學費才能學會。請問這句話是誰講的？誰說交了學費就一定能學會的？

那些媒體、那些掌握話語權的人，都是些什麼人呢？這批人，絕大部分都是市場「禁止」參與的人。他們都禁止參與了，還要「幫助」你去掙錢，你覺得可能性有多大？

所以學習纏論的人，往往都會忽略掉這一章，因為不講技術。

但，只要學習很深入的人，都會把這些細節的章節重新撿回來。這些很容易被扔掉的內容，才是纏師真正的「寶貝」。

本文作為纏論學前班的最後一課，以及接下來正式進入小學階段的預習課，將帶給所有想學習纏論的朋友一個建議。

纏師的無私分享，是擁有大智慧下的洞察的。纏師對人性的判斷，對知識的力量，對學習者眾、學成者寡早有判斷。所謂，學以致用，學而不用，或學而無用，都會成為纏論「成熟者」手上的韭菜。

昨天又留了一個腦筋急轉彎的問題，深V、圓底，哪一個形態更好？

看了朋友們的回答，還是有一些朋友，明顯開始有了纏論的思維。

這個問題，即是腦筋急轉彎，同時也是對纏論學問中一個考驗。所以答案有兩類。

第一類，能買到買點上的都是好。哪類形態，只要能掙錢，都好！（思路上的反應，不管任何情況，判斷好不好的唯一標准就是能不能買，有沒有買點。）

第二類，不管是深V還是圓底，哪個的動力學潛力上更大，將擁有更好的機會。（ 這個回答里包含了級別，因為動力學的根本是判斷級別的方法之一。這個回答里，已經不去想買點了，因為從形態學上，出現了這個形態時，肯定會有買點。）

---------------------

這個月開始，將正式進入纏論小學階段，可以說這是纏論中「非常難」的一個階段。會和不會，差別是巨大的。

後面的內容，將開始按下列的大綱來寫，喜歡的朋友可以關注。

纏論如何學以及纏論小學階段學什麼？細節大綱

纏論，無數人讀不懂、學不會、但又無法割捨的理論

纏論入門篇及第一課筆和分型（一）

纏論入門篇的第二課，再看筆和線段（二）

纏論想入門嗎？分型、筆、線段、中樞，一個都不能少（三）

纏論入門前的高階，中樞的分辨難點（4）

詳述纏論中「線段」、「中樞」的識別方法，以及回答課後作業

纏論幼兒園入門六，中樞與第三類買點

學纏論失敗最大的原因就是它！騙線！（1）

學纏論，容易被血洗的買賣點！騙線（2）

利用纏論解決中小資金的高效買賣法（9）

簡筆畫與實例的詳述（一）

纏論簡筆畫與實例的共同講解（二）

纏論，筆、線段、中樞的簡筆畫與實例說明（三）

用實例講纏論系列之四-破壞筆和中樞的關系

纏論學前班的最後幾課，判斷破壞筆和關鍵筆的作用（實例5）

MACD高階用法-均線系統的初級應用實例

有一種交易系統能讓你戰勝市場，你學會了嗎？

字都認識但看不懂系列之一，股票交易系統的作用

用技術和比例關系來判斷大盤趨勢的方法（3587肯定要漲過）

普通投資者邁向成熟的關鍵技術之一——頭寸

如果德雲社上市，市值會被暴炒，因為公司太好

騰訊為何現在突然收購搜狗，搜狗的價值到底在哪？

⑤ AI都能炒股了，以後就要拼誰的演算法牛了

人工智慧量化交易平台宣布獲得數百萬人民幣融資。據悉，本輪融資將主要用於團隊建設、產品開發和硬體設備投入。

是一家基於人工智慧的量化投資公司，成立於2017年10月，主要將技術應用於量化投資領域，實現低風險高收益的投資回報。

中國私、公募基金規模呈大跨步發展，截止2018年2月底，中國私募基金規模已達12.01萬億元，公募資金規模已達12.64萬億，在控制風險的前提下，提高獲得投資收益的效率，是公、私募投資最大需求，國外盛行的量化交易越來越被國內機構所接受。

在量化交易這個領域，目前已有不少項目：私人量化交易平台JoinQuant、RiceQuant以及優礦，為量化交易領域提供核心演算法支持的眾加，量化策略商城微量網、以量財富為代表的量化理財平台，以及為量化投資者提供智能交易和分析工具的名策數據。

量化交易策略的建立是量化交易的重要環節。目前主要方式有兩種，一種是輸入與這套邏輯相關聯的因子，比如歷史表現、公司財務數據、宏觀經濟數據、上下游供應商數據等眾多參數，建立一套模型，以算出標的上漲或下跌的概率，並生成投資組合和調倉策略。隨著近幾年人工智慧興起，不少人開始選用機器學習等方式，輸入眾多因子，讓AI自己生成策略。

創始人兼CEO龐表示，的做法則不同，是用神經管網路替代原來用邏輯和策略構建的數學模型，通過輸入股票相關數據，利用訓練不同結構的神經網路來實現機器自主的量化交易。想做量化交易界的Deepmind（研發阿爾法狗的團隊），成為中國的基金。

目前，的首個產品A股機器人「狗」已上線，應用於國內二級市場的投資，產品已實盤測試8個月。數據顯示，狗實盤業績顯著，在2017年11月A股普跌的情況下(中證1000跌幅超4%)，狗依然實現了5.23%的收益，最大回撤控制在2.7%，並在2018年1月底上證指數大跌12%的情況下，智富狗做到了提前清盤避險，業績明顯優於大盤。

投資人黃表示：「人工智慧是非常好的提高效率的方式，非常關注人工智慧在各個領域的應用，我們認為以為代表的、基於神經網路的人工智慧量化交易平台，能極大地提高大型的高頻交易的效率。人的精力有限，一個再好的操盤手也不可能同時看2000支股票，但機器能輕易辦到。」

⑥ bp神經網路股票價格預測的MATLAB編程

P=[];『輸入，開盤價，最高價，最低價，收盤價成交量依次5天的數據』
T=[];』輸出，即第二日的收盤』
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; 『最大訓練次數，根據需要可自行調節』
net.trainParam.goal=0.01; 『誤差』
net.trainParam.lr=0.01; 『學習率』
net=train(net,P,T); 『訓練網路』
test=[];『待預測數據輸入』
out=sim(net,test); 『模擬預測』
我的這個程序沒有進行初始化，你還需要先將數據進行初始化後才能算。

⑦ 基於遺傳演算法的神經網路預測股票的價格有現實意義嗎 知乎

有一定參考價值
但你不能以此為實際購買股票的唯一依據，不然會賠的很慘
不要只依賴演算法結果…

望採納