毫無疑問，優質的神經網絡模型能夠更加準確地預測股票未來走勢。
如何才能創建一個優質的神經網絡模型呢？
1.選擇關聯度高的因子
舉個例子，要預測一個人是男還是女，有以下兩組因子可供選擇：
A. 頭髮顏色、皮膚顏色、是否雙眼皮
B. 是否長鬍子、是否有喉結、體重
這簡直就是送分題，選項B幾乎能夠完全準確的預測出真實結果。
所以要想創建優質的神經網絡模型，必須選擇關聯度高的因子。
2.選擇合理的神經網絡架構
同樣的因子，在不同的神經網絡架構下，預測出的結果會大不相同。
結構過於簡單，會存在"欠擬合"的情況，簡單說就是該分析出來的沒分析出來；結構過於複雜，又會出現"過擬合"的情況，簡單說就是不該分析出來的分析出來了。恰到好處的網絡結構，才能夠分析出想要的結果。
欠擬合比較容易理解，以過擬合舉個例子：
一名學生，生活在一個偏遠的A村，考上了城裡的B高中，他是村子有史以來唯一考上B高中的人，高考後，又如願考上了清華大學。
如果模型出現過擬合，就會認為："生活在A村"並且"就讀於B高中"的人，100%能夠考上清華大學。這是事實，但不是我們想要的結論。
3.實際預測效果
運用LSTM模型預測股價走勢，如圖所示，藍色預測值能夠很好的擬合黃色真實值，可以有效地預測出股票未來走勢。
巴菲特，公認的投資大師，在過去的20年平均回報率高達20%；詹姆斯.西蒙斯，運用他的量化模型，1989-2009年，平均回報率約35%。
用神經網絡模型預測股票走勢必將大勢所趨。
分享到:
閱讀更多 數據方向 的文章
