机器学习是否可以准确预测股市?

作者: 读芯术 2020-01-31 16:08:00

 自从股市诞生,人们就一直在与这套系统博弈,并试图战胜市场。

多年来,人们尝试了数千项理论和实验,但没有一项能够长久地在股票市场奏效。

这些理论考虑了许多因素,如公司基本面信息、环境、供求关系、投资者心理等。

有些人认为,机器学习正寄予人们希望,它的强大功能将能一改股票市场研究的颓势,并为人们打开财富之门。

真的吗?

下面小芯将为大家解答机器学习是否可以预测股市的问题。

首先还是一起来浏览下机器学习的工作原理。

机器学习的工作原理

机器学习是一种数据分析技术,它可以借鉴使用计算数据的经验,直接从数据中“学习”信息,而无需依赖预先确定的方程式。换句话说,它得到的数据输入越多,它就越机灵。

这些算法从数据中找到模式,形成见解,从而做出更好、更明智的决策。

机器学习有两种学习方法:

1. 监督学习——它在已知的输入和输出数据上训练模型以便预测未来的输出。用于得出这些结论的技术为:

a. 分类技术——将输入数据分类,例如辨别电子邮件是有效邮件还是垃圾邮件。

b. 回归技术——这种技术可以预测连续的响应,如温度的变化

2. 无监督学习——查找数据中的隐藏模式,并用于从没有标记响应的输入数据组成的数据集中进行推断。这种学习方法的最常见类型是聚类,它可以发现数据中的隐藏模式或分组,将其视为一个事实发现机器,然后将所有相似项放于一个组中。

既然已经了解了机器学习的工作原理,那就开始深入研究过去预测股市的一些尝试吧!

过去的股市预测方法

以下这两种方法都是过去尝试过的老方法,如今仍被一些人沿用。这两种方法都具备各自的优缺点,但最终都无法如期可靠预测市场。

1. 基本面分析——涉及影响股票价格的经济因素。这些因素包括资产负债表、损益表和现金流量表。资产负债表是提供公司资产、负债和股东权益等信息的财务报表。它告诉人们某公司拥有何种资产及必须偿还债务的类型。损益表列出了收入、费用以及公司是盈利还是亏损状态。现金流量表告诉人们资金是如何进入和流出企业的。基本面分析使用这些文件来预测公司的财务状况。

2. 技术分析——这是基于股票的价格和交易量,从而预测其他股东行为的方法。技术分析使用许多不同类型的指标来预测股票的价格走向,其关键是识别出趋势的上升或下降状态,并试图检测模式。

如今,许多人仍说服自己过去的预测模型是有效的,并坚持使用它们。但这两种旧方法并不如他们所相信的那般可靠。机器学习能否提供更好的预测结果?来观察以下的一些机器学习模型,并来解释一下其工作原理。

机器学习的预测模型

许多人认为机器学习是准确预测股市趋势并发家致富的答案。全世界都在进行实验测试,以寻找完美的技术来完成几乎永远不可能完成的事情。这只会使人们更加努力并相信他们拥有神奇的算法来获得圣杯。以下是人们正使用的一些技术:

移动平均——这是技术分析法中使用到的一种技术,通过在一段时间内把每日的价格平均化处理来平滑价格历史记录。根据其类型(简单移动平均或指数移动平均)以不同的方式计算移动平均值。通常会使用过去30、60或90天的历史数据和技术指标来预测股价。

机器学习可以使用神经网络发现其他系统无法检测到的数据模式,从而提供优于其它系统的优势。可以根据某些条件运行实验并检查结果。如果最终结果不令人满意,可以调整一些数据输入和其他因素以产生更好的结果。

线性回归——指分析两个独立的变量以确定一个单一的关系,线性回归是金融市场中技术分析和定量分析的有效措施。它返还一个确定自变量和因变量之间关系的方程。

当用于机器学习时,线性回归是一种基于监督学习的简单技术,主要用于预测和寻找变量之间的关系并进行预测。正如Aishwarya Singh一篇文章中指出的:

线性回归是一种简单易行的方法,但也有一些显而易见的缺点。使用回归算法的一个问题是,模型适应日期和月份列。该模型将考虑一个月前的同一日期或一年前同一日期/同一月的值,而不是考虑预测点的先前值。

长短期记忆神经网络(LTSM)——是一种人工递归神经网络架构,可以处理单个数据点和整个数据序列。LTSM的公共单元由单元、输入门、输出门和遗忘门组成。

由于LTSM使用储存单元来替换网络隐藏层中的人工神经元,它们可以随着时间的推移有效地关联储存。这使它具有掌握股市中不断变化的动态数据的优势。

总结

预测股市一直是人类最艰巨的任务之一。为了掌握商机并战胜市场,已经花费了无数精力。到目前为止,仍未有人取得成功,即使这些人常常是专业的投资者。

机器学习应运而生了,人们相信它有能力预测股市并帮自己发家致富。不幸的是,股票是不断波动的,且并不总是出于人们所理解的原因。例如,一位名叫杰夫·斯蒂贝尔(Jeff Stibel)的企业家创立了牛市和熊市指数(Tiger Bulls and Bears Index),该指数追踪了前一阵子泰格·伍兹(Tiger Woods)赢得锦标赛时股市的表现。有趣的是,这位企业家创立的指数回报率和任何一位股票交易者所能提供的是一样的。

因此,你若是要问,机器学习能否预测股市?

答案是否定的,与其他传统投资策略相比,该技术仅能提供轻微的优势。

​机器学习 数据 技术
上一篇:容量是GPT-2的1.7倍!谷歌打造神经对话模型Meena 下一篇:了解不同类型的聊天机器人
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

DeepMind发布神经网络、强化学习库,网友:推动JAX发展

JAX由谷歌提出,是TensorFlow的简化库。结合了针对线性代数的编译器XLA,和自动区分本地 Python 和 Numpy 代码的库Autograd,在高性能的机器学习研究中使用。

十三 ·  1天前
4个步骤成功构建出一个机器学习团队

对一个公司来说,如何从0到1构建一个机器学习团队,是很多公司非常头疼的问题,这篇文章给出了一些建议,对求职者来说,同样具有参考价值。

AI公园 ·  1天前
复工如何避免间接接触?人脸识别门禁实现硬核防控

随着返工日的临近,全国各地陆续恢复生产和工作,与此同时,疫情预防的工作也不可松懈。据悉,新型冠状病毒的传播方式主要为飞沫传播和间接接触,当下,人人出门都会佩戴口罩,并且经常洗手,可以有效预防飞沫传播,而接触公共设施的间接传播方式不容忽视。

佚名 ·  2天前
2020年的7个关键RPA趋势:从人工智能启用到更具战略性的扩展

机器人流程自动化(RPA)服务商Blue Prism公司EMEA地区首席技术官Peter Walker对使企业可以体验采用机器人流程自动化(RPA)优秀结果的2020年有望取得的重大发展进行了预测与分析。

Peter Walker ·  2天前
AI助各地返工:重庆语音机器人、北京无人配送、广州人脸识别测温

随着全国各地陆续开始返工浪潮,人工智能技术也有了特别的用武之地。

佚名 ·  2天前
谈谈网络应用的12个商业聊天机器人

为了推动企业的发展,你会利用AI(人工智能)、ML(机器学习)、NLP(自然语言处理)等一系机器人商业技术。

风车云马 ·  2天前
疫情期间都用上哪些热点技术?AI、5G、RTC,大数据纷纷登场

2020年这场突入其来的疫情,在AI、5G、RTC、大数据等科技技术的帮助下,从技术和数据的维度对疫情期间的预警、防控、追踪起到了非常重要的作用。

允中 ·  3天前
5项人工智能实例,令人惊叹

为了让人工智能成为主流,科学家和研究人员付出了更多的努力。正因如此,这项独创性技术不仅已经融入了人们的日常生活,而且持续影响着多个行业。人工智能是一种不可忽视的力量,从Siri和Alexa这样的语音驱动私人助理到自动驾驶汽车,它一直在不断发展。

读芯术 ·  3天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载