神经网络股票市场

① 请教用人工神经网络进行股票预测在weka

预测股票可不是有以往股票数据就能的，要考虑因果性，现实事件与股票波动有因果性，也就是时序性。在这情况下有LSTM单元组成循环神经网络可以做到，但训练集的强度跟体积可是很大的，这需要注意。

② 神经网络预测股票准吗

目前还达不到非常准确的效果，决定股票走势的因子很多，有些如突发的并购、减持、宏观经济的事件、公司人事的更迭等等，这些事件神经网络没法给出好的判断。

③ 吴微的论文论著

1． 吴微,解非线性分枝问题的扩展方程方法,
科学出版社, 北京, 1993.
2.R. Li, Z. Chen and W. Wu, Generalized Difference Methods for
Differential Equations,
(美国）Marcel Dekker Inc., New York, 2000.
3.吴微, 神经网络计算,
高等教育出版社, 北京, 2003.(“十五”规划国家级教材) 1． 吴微,李荣华, 解一维二阶椭圆和抛物型微分方程的广义差分法,
数学年刊, 5A(1984)303-312.
2． 吴微, 系数与时间相关的二阶双曲方程的半离散有限元逼近,
吉大自然科学学报报, 1(1985)35-42.
3． 吴微, 与时间相关的二阶双曲方程的全离散有限元逼近,
吉大自然科学学报, 2(1985)46-54.
4． 吴微, 与时间相关的非自共轭抛物方程的全离散有限元逼近,
高校计算数学, 2(1985)113-120.
5． 倪平,吴微,广义 Galerkin 方法的超收敛估计,
高校计算数学学报, 2(1986)154-158.
6． 吴微, 解双调和方程的混合广义差分法,
吉大自然科学学报, 3 (1986)14-22.
7． 吴微, The Calahan method for parabolic equations with time-
dependent coefficients,
计算数学(英文版), 5(1987)10-20.
8． 包刚,吴微, 二阶双曲方程广义差分法的误差估计,
吉大自然科学学报, 2(1987)33-42.
9． 吴微, 非线性抛物方程广义差分法的误差估计,
计算数学(中文版), 2(1987)119-132.
10．吴微, 非线性转折点计算中的矩阵分裂技巧,
高校计算数学学报, 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．吴微,吴柏生,李荣华, Singular points near a double foldpoint in
Z_2-symmetric nonlinear equations,
高校计算数学学报(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．苏毅,吴微, 从双重折叠点分枝出的 Hopf 点的非退化性和稳定性,
吉大自然科学学报, 3(1993)1-8.
17．吴微, Galerkin methods for elliptic and parabolic convection-
diffusion problems,
东北数学, 9(4)(1993)525-538.
18．吴微, A Petrov-Galerkin method based on symmetrization for
convection-defusion problems,
东北数学, 10(1)(1994)59-70.
19．W. Wu and A. Spence, A pitchfork/fold interaction in nonlinear
equations with Z2-symmetry,
东北数学, 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．吴微, Stability of travelling waves,
数学研究与评论, 14(3)(1994)1-7.
24．苏毅,吴微, Singular points near an X0-breaking double singular fold
point in Z2-symmetric nonlinear equations,
东北数学, 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,
东北数学, 11(2)(1995)157-168.
26．吴微, Period-doubling bifurcation of travelling waves,
非线性动力学学报, 2(增刊)(1995)48-52.
27. 吴微，Bifurcation from steady-state to global dynamics,
Bull. Allahabad Math. Soc., 10/11(1995/96)85-94.
28．邹永魁,吴微,Petrov-Galerkin method with linear trial and
quadratic test spaces for parabolic convection-diffusion problems,
东北数学, 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,
东北数学, 16(1)(2000)10-20.
32. 吴微，赵卫海，广义逆矩阵及其在神经网络计算中的应用，
大连理工大学学报，40(S1)(2000)9-11。
33. 吴微，陈维强，刘波，用BP神经网络预测股票市场涨跌，
大连理工大学学报，41(1)(2001)9-15。
34. 李正学，吴微，张宏伟，Convergence of on-line gradient methods for
two-layer feedforward neural networks，
数学研究与评论， 21(2)(2001)219-228。
35．孔俊，吴微，赵卫海，识别数学符号的神经网络方法，
吉大自然科学学报, 3(2001)11-16.
36. 吴微，陈维强，用于股市预测的BP算法的一些改进，
大连理工大学学报，41(5)(2001)518-522。
37. 孔俊，吴微，Online gradient methods with a punishing term for
nureul networks,
东北数学, 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．郭立宾，吴微，二维图像中交叉点的神经网络识别，
大连理工大学学报，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．张玉林，吴微，用BP神经网络捕捉股市黑马初探，
运筹与管理，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，吴微，邵红梅，带动量项的线性输出BP网络收敛性, 高校计算数学学
报，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. 吴微，侯利昌， 基于LL（1）文法的印刷体数学公式结构分析方法， 大连理
工大学学报，46（2006）454-459
57. SHAO Zhiqiong, WU Wei, YANG Jie, Finite convergence of On-line BP
neural networks with linearly separable training patterns, 数学研究
与评论，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. 陈兵，吴微，基于SOFM和最短路径法的粘连字符分割，仪器仪表学报, 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. 国际会议论文集
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,
工程与科学中的非线性问题国际会议文集, 肖竹铁,胡向忱主编, 科学出版
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, 吴微, 版面分析中基于可并行化局部操作序列的局部极大成分标记,
第六届全球智能控制与自动化大会 (WCICA’06), 大连, 中国, 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.李正学，吴微, 引入技术指标的BP网络在沪市综合指数涨跌预测中的应用,
CCAST-WL Workshops Series, Beijing, Aug. 2001, Vol. 142, 161-176.
2.吴微，陈维强，刘播，用BP神经网络预测股票市场涨跌，
CCAST-WL Workshops Series, Beijing, Aug. 2000, Vol. 127, 1-22.
3.吴微, Generalized Difference Methods for Partial Differential
Equations,
The Third International Workshop on Scientific Computing and
Applications, Hongkong, 2003, 国际会议特邀报告.
4.吴微，Monotone and deterministic convergence of online gradient
methods for feedforward neural networks，
第二届中韩数值分析及其应用研讨会，北京，2003, 国际会议特邀报告.
5.吴微，Deterministic convergenceof an online gradient method for BP
neural networks，
The Second International Symposium on Computing Science,
Guangzhou, 2002, 国际会议特邀报告.
6.吴微，Some recent developments on convergence online gradient
methods for neural networks,
第七届中日计算数学研讨会,张家界,2004, 国际会议特邀报告.

④ 缠论说：江恩、波浪、神经网络，周期理论全都无用！（36）

缠师在“教你炒股票”的第19章中，点评过当时流行于市场中的几大技术流派。其中就有江恩、波浪、神经网络、周期理论等等。

按缠师的原话，这些都是把一些或然的东西当成了必然，似是而非，理论上头头是道，一用起来错漏百出。

这些东西是不是真的有用，辩证的看。

当看到还有宗教两字的时候，我有点吃惊，这东西是真的假的？如果宗教的因素如此巨大，那心理、 社会 学，岂不是影响也十分巨大？为何不提？

波浪理论，在图形学上，在动力学上，有一定的道理，但并不完整，属于发展中的一种。可以解释一部分的原因，但根本的解释并不完整。但，非常好用！好用在解释起来很简单。

神经网络时间模型是一套基于预测下的模型。具体什么内容，太复杂看不懂。

股票的周期理论，上面解释的足够清楚了。

这四个技术理论，我看完了之后，发现了一个共同点，那就是基于“时间”为核心。而缠论的本质，是于时间无关的。

缠师的另一句原话：“那些支持位、阻力位，通道线、第三浪之类的玩意，只能当庄家制造骗线的好工具。对于庄家来说，对一般人所认识的所谓技术分析理论，早就研究得比谁都精通，任何 坐过庄的人都知道，技术图形是用来骗人的，越经典的图形越能骗人。但任何庄家，唯一逃不掉的 就是本 ID 在分析中所说的那些基本的东西，”

技术分析，只是缠师炒股理论中三项之一，但确实是对于完全没消息的散户来说，最公平公正的方法之一了。而研究技术，又是最稳定最可靠的办法之一。

市场有其规律，而规律并不显而易见，中间隐藏了无数的骗线。使得传统的那些理论，对于发展中的各种图形是没有办法的，是没有当下的办法的。

上面缠师讲过，市场里的庄家，是一群特别聪明的人，他们的研究，从专业度上来说，远远超出普通的散户，他们学习是为了吃饭。而散户只是“ 娱乐 ”一下，不可同日而语。

市场里的图形，千变万化，微小的变化，都可以产生巨大的差异，何况只是一个形似。而上面的理论中，不光形似还达不到90%，而且只有少数几个标准的形态，这些形态如果庄家没有办法对应，那他们早死N回了。所以，那些滞后的图形，在缠师看来，百无一用就是“真实存在”的。

事后马后炮们，永远在理，因为事实已经发生，你让他们当下的判断，他们也有50%的机会蒙对。而且连续三次蒙对的可能性，也是非常大的。只是他们的操作方法，非常的有技巧。

虽然每回都是50%的正确，但三五次之后，就会有些人觉得他们是全部正确，于是充分的相信他们。而他们挣的，就是这一小部分人的钱。其他人？与他何干。市场里永远不缺新韭菜，一茬一茬的割，永远也割不完。

上面的四种理论以及其他，我们大胆假设一个情况，假如上面的理论都是正确的。但学习成本，可就非常非常高了。只要你的学习成本足够高，那对于庄家来说，也有足够的韭菜能收割，何乐而不为呢？

甚至继续大胆假设，这些理论的讲解，本身就是这批庄家在写的，他故意误导你，你一点办法也没有，因为你一点分辨的能力也不具备，你还能指望靠学它挣到钱吗？

市场永远在教育你，交一点学费才能学会。请问这句话是谁讲的？谁说交了学费就一定能学会的？

那些媒体、那些掌握话语权的人，都是些什么人呢？这批人，绝大部分都是市场“禁止”参与的人。他们都禁止参与了，还要“帮助”你去挣钱，你觉得可能性有多大？

所以学习缠论的人，往往都会忽略掉这一章，因为不讲技术。

但，只要学习很深入的人，都会把这些细节的章节重新捡回来。这些很容易被扔掉的内容，才是缠师真正的“宝贝”。

本文作为缠论学前班的最后一课，以及接下来正式进入小学阶段的预习课，将带给所有想学习缠论的朋友一个建议。

缠师的无私分享，是拥有大智慧下的洞察的。缠师对人性的判断，对知识的力量，对学习者众、学成者寡早有判断。所谓，学以致用，学而不用，或学而无用，都会成为缠论“成熟者”手上的韭菜。

昨天又留了一个脑筋急转弯的问题，深V、圆底，哪一个形态更好？

看了朋友们的回答，还是有一些朋友，明显开始有了缠论的思维。

这个问题，即是脑筋急转弯，同时也是对缠论学问中一个考验。所以答案有两类。

第一类，能买到买点上的都是好。哪类形态，只要能挣钱，都好！（思路上的反应，不管任何情况，判断好不好的唯一标准就是能不能买，有没有买点。）

第二类，不管是深V还是圆底，哪个的动力学潜力上更大，将拥有更好的机会。（ 这个回答里包含了级别，因为动力学的根本是判断级别的方法之一。这个回答里，已经不去想买点了，因为从形态学上，出现了这个形态时，肯定会有买点。）

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

这个月开始，将正式进入缠论小学阶段，可以说这是缠论中“非常难”的一个阶段。会和不会，差别是巨大的。

后面的内容，将开始按下列的大纲来写，喜欢的朋友可以关注。

缠论如何学以及缠论小学阶段学什么？细节大纲

缠论，无数人读不懂、学不会、但又无法割舍的理论

缠论入门篇及第一课笔和分型（一）

缠论入门篇的第二课，再看笔和线段（二）

缠论想入门吗？分型、笔、线段、中枢，一个都不能少（三）

缠论入门前的高阶，中枢的分辨难点（4）

详述缠论中“线段”、“中枢”的识别方法，以及回答课后作业

缠论幼儿园入门六，中枢与第三类买点

学缠论失败最大的原因就是它！骗线！（1）

学缠论，容易被血洗的买卖点！骗线（2）

利用缠论解决中小资金的高效买卖法（9）

简笔画与实例的详述（一）

缠论简笔画与实例的共同讲解（二）

缠论，笔、线段、中枢的简笔画与实例说明（三）

用实例讲缠论系列之四-破坏笔和中枢的关系

缠论学前班的最后几课，判断破坏笔和关键笔的作用（实例5）

MACD高阶用法-均线系统的初级应用实例

有一种交易系统能让你战胜市场，你学会了吗？

字都认识但看不懂系列之一，股票交易系统的作用

用技术和比例关系来判断大盘趋势的方法（3587肯定要涨过）

普通投资者迈向成熟的关键技术之一——头寸

如果德云社上市，市值会被暴炒，因为公司太好

腾讯为何现在突然收购搜狗，搜狗的价值到底在哪？

⑤ AI都能炒股了，以后就要拼谁的算法牛了

人工智能量化交易平台宣布获得数百万人民币融资。据悉，本轮融资将主要用于团队建设、产品开发和硬件设备投入。

是一家基于人工智能的量化投资公司，成立于2017年10月，主要将技术应用于量化投资领域，实现低风险高收益的投资回报。

中国私、公募基金规模呈大跨步发展，截止2018年2月底，中国私募基金规模已达12.01万亿元，公募资金规模已达12.64万亿，在控制风险的前提下，提高获得投资收益的效率，是公、私募投资最大需求，国外盛行的量化交易越来越被国内机构所接受。

在量化交易这个领域，目前已有不少项目：私人量化交易平台JoinQuant、RiceQuant以及优矿，为量化交易领域提供核心算法支持的众加，量化策略商城微量网、以量财富为代表的量化理财平台，以及为量化投资者提供智能交易和分析工具的名策数据。

量化交易策略的建立是量化交易的重要环节。目前主要方式有两种，一种是输入与这套逻辑相关联的因子，比如历史表现、公司财务数据、宏观经济数据、上下游供应商数据等众多参数，建立一套模型，以算出标的上涨或下跌的概率，并生成投资组合和调仓策略。随着近几年人工智能兴起，不少人开始选用机器学习等方式，输入众多因子，让AI自己生成策略。

创始人兼CEO庞表示，的做法则不同，是用神经管网络替代原来用逻辑和策略构建的数学模型，通过输入股票相关数据，利用训练不同结构的神经网络来实现机器自主的量化交易。想做量化交易界的Deepmind（研发阿尔法狗的团队），成为中国的基金。

目前，的首个产品A股机器人“狗”已上线，应用于国内二级市场的投资，产品已实盘测试8个月。数据显示，狗实盘业绩显著，在2017年11月A股普跌的情况下(中证1000跌幅超4%)，狗依然实现了5.23%的收益，最大回撤控制在2.7%，并在2018年1月底上证指数大跌12%的情况下，智富狗做到了提前清盘避险，业绩明显优于大盘。

投资人黄表示：“人工智能是非常好的提高效率的方式，非常关注人工智能在各个领域的应用，我们认为以为代表的、基于神经网络的人工智能量化交易平台，能极大地提高大型的高频交易的效率。人的精力有限，一个再好的操盘手也不可能同时看2000支股票，但机器能轻易办到。”

⑥ bp神经网络股票价格预测的MATLAB编程

P=[];‘输入，开盘价，最高价，最低价，收盘价成交量依次5天的数据’
T=[];’输出，即第二日的收盘’
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; ‘最大训练次数，根据需要可自行调节’
net.trainParam.goal=0.01; ‘误差’
net.trainParam.lr=0.01; ‘学习率’
net=train(net,P,T); ‘训练网络’
test=[];‘待预测数据输入’
out=sim(net,test); ‘仿真预测’
我的这个程序没有进行初始化，你还需要先将数据进行初始化后才能算。

⑦ 基于遗传算法的神经网络预测股票的价格有现实意义吗 知乎

有一定参考价值
但你不能以此为实际购买股票的唯一依据，不然会赔的很惨
不要只依赖算法结果…

望采纳