利用AI炒股开挂!这届程序员真会玩

作者: 猿妹 整编 2019-04-26 13:26:00

用深度学习预测股票价格想过去有些不明觉厉,但已经不是什么新鲜事了,今天猿妹和大家分享一个股票预测模型,收集了机器学习和股票预测的深度学习模型,包括交易机器人和(股票)模拟。

想要准确预测股票市场是一项复杂的任务,因为有数百万个因素和先决条件会影响股票的走势,所以这个模型需要尽可能多的捕捉到这些先决条件,同时还需要作出几个重要的先决假设:1)市场不是100%随机的,2)历史重复,3)市场遵循人们的理性行为,4)市场是“非常好”。

创建者以高盛公司为例子,预测高盛的股票走势,使用 2010 年 1 月 1 日至 2018 年 12 月 31 日的日收盘价作为训练(七年)和测试(两年)数据。

为了创建所有神经网络,创建者使用MXNet及其高级API - Gluon,并在多个GPU上进行训练。整体架构如下:

利用AI炒股开挂!这届程序员真会玩

GitHub上还给出了详细的教程介绍每一个步骤,创建者表示最困难的部分是GAN,想要成功训练GAN最难的部分就是获得正确的超参数集。出于这个原因,创建者使用贝叶斯优化(带有高斯过程的贝叶斯优化)和强化学习(RL)来决定何时以及如何改变GAN的超参数。在创建强化学习时,也利用到一些技术,例如Rainbow和PPO。

除了股票的历史交易数据和技术指标,创建者还NLP 中的 BERT 来创建情绪分析模型(作为基本面分析的来源),傅立叶变换用于提取整体趋势方向......只为捕获尽可能多的关于股票的信息,模式,依赖关系等。众所周知,数据越多越好。

集体过程我们就不过多赘述了,直接看结果:

绘制训练之后的结果

利用AI炒股开挂!这届程序员真会玩

绘制 50 次训练后的结果

利用AI炒股开挂!这届程序员真会玩

绘制 200 次训练后的结果

利用AI炒股开挂!这届程序员真会玩

RL 运行了 10 eposide ,本文定义一个 eposide 是 GAN 完整训练 200 次后,下图是得到的最终的结果

利用AI炒股开挂!这届程序员真会玩

对整个教程感兴趣的,可以到GitHub一探究竟。至于准确率如何,试过就知道了

利用AI炒股开挂!这届程序员真会玩

目前,该项目已经获得 863 个Star,378 个Fork(GitHub地址:https://github.com/borisbanushev/stockpredictionai)

预测股票 深度学习 股票
上一篇:人工智能和物联网:最佳拍档 下一篇:大脑升维:人工智能浪潮下的适者生存之道
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

百度CTO王海峰CNCC2019演讲:深度学习平台支撑产业智能化

百度CTO王海峰在会上发表题为《深度学习平台支撑产业智能化》的演讲,分享了百度关于深度学习技术推动人工智能发展及产业化应用的思考,并深度解读百度飞桨深度学习平台的优势,以及与百度智能云结合助力产业智能化的成果。

佚名 ·  1天前
深度学习/计算机视觉常见的8个错误总结及避坑指南

人类并不是完美的,我们经常在编写软件的时候犯错误。有时这些错误很容易找到:你的代码根本不工作,你的应用程序会崩溃。但有些 bug 是隐藏的,很难发现,这使它们更加危险。

skura ·  3天前
2019年深度学习自然语言处理十大发展趋势 精选

自然语言处理在深度学习浪潮下取得了巨大的发展,FloydHub 博客上Cathal Horan介绍了自然语言处理的10大发展趋势,是了解NLP发展的非常好的文章。

HU数据派 ·  4天前
图灵奖得主Yoshua Bengio:深度学习当务之急,是理解因果关系

深度学习擅长在大量数据中发现模式,但无法解释它们之间的联系,而图灵奖获得者Yoshua Bengio想要改变这一点。

佚名 ·  2019-10-15 05:15:00
18个挑战项目带你快速入门深度学习

AlphaGo 大战李世?h之后,深度学习技术便在国内变得异常火。吸引了大批的技术人员争相学习,那么到底如何才能更快速的入门深度学习呢?下面给大家介绍的 18 个挑战项目,通过实践动手带你快速入门深度学习!

实验楼 ·  2019-10-10 14:48:19
盘点 | 8个你可能不知道的深度学习应用案例

深度学习与传统机器学习系统的不同之处在于,它能够在分析大型数据集时进行自我学习和改进,因此能应用在许多不同的领域。

天极网 ·  2019-10-10 14:15:18
2019年较热门的5大深度学习课程

今天,我们将和大家盘点一下,当下较流行的深度学习资源/课程,可以帮助你们提升深度学习技能。

猿哥 ·  2019-09-26 05:16:24
DeepMind一次性开源3个新框架!深度强化学习应用落地即将迎来春天?

深度强化学习(Deep Reinforcement Learning,DRL)一直是近年来人工智能的一些重大突破的核心。然而,尽管 DRL 有了很大的进步,但由于缺乏工具和库,DRL 方法在主流解决方案中仍然难以应用。

杨鲤萍 ·  2019-09-20 09:38:18
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载