毫无疑问，优质的神经网络模型能够更加准确地预测股票未来走势。
如何才能创建一个优质的神经网络模型呢？
1.选择关联度高的因子
举个例子，要预测一个人是男还是女，有以下两组因子可供选择：
A. 头发颜色、皮肤颜色、是否双眼皮
B. 是否长胡子、是否有喉结、体重
这简直就是送分题，选项B几乎能够完全准确的预测出真实结果。
所以要想创建优质的神经网络模型，必须选择关联度高的因子。
2.选择合理的神经网络架构
同样的因子，在不同的神经网络架构下，预测出的结果会大不相同。
结构过于简单，会存在"欠拟合"的情况，简单说就是该分析出来的没分析出来；结构过于复杂，又会出现"过拟合"的情况，简单说就是不该分析出来的分析出来了。恰到好处的网络结构，才能够分析出想要的结果。
欠拟合比较容易理解，以过拟合举个例子：
一名学生，生活在一个偏远的A村，考上了城里的B高中，他是村子有史以来唯一考上B高中的人，高考后，又如愿考上了清华大学。
如果模型出现过拟合，就会认为："生活在A村"并且"就读于B高中"的人，100%能够考上清华大学。这是事实，但不是我们想要的结论。
3.实际预测效果
运用LSTM模型预测股价走势，如图所示，蓝色预测值能够很好的拟合黄色真实值，可以有效地预测出股票未来走势。
巴菲特，公认的投资大师，在过去的20年平均回报率高达20%；詹姆斯.西蒙斯，运用他的量化模型，1989-2009年，平均回报率约35%。
用神经网络模型预测股票走势必将大势所趋。
分享到:
閱讀更多 數據方向 的文章
