深度學習股票交易

1. 深度學習做股票預測靠譜嗎

靠譜 但前提是你學習的技術分析籌碼分析是正確的，而不是隨便買書或者網上查資料那種

舉個例子吧 你在書上和網上看到陽線吞噬怎麼解釋的？ 簡單說也就是陽包陰

都是看漲看多吧

大盤4月11日 8月7日都是陽包陰 然後怎麼走的？

你要學的是可以提前分析預判並且有大概率正確的知識 比如以下這些

7月28分析華新水泥短線會過13.7 8月10日收盤14.04.

2. 人工智慧深度學習未來能破解彩票股票行業嗎

1. 人工智慧很厲害，但不代表萬能；

2. 更多的破解答案可能是告訴你：概率是多大；

3. 把全部彩票買下來，你一定中獎，買一半，50%。

類似男超人什麼時候可以生孩子的問題。

3. 深度學習做股票預測靠譜嗎

學習的方向有這么幾個
基本面 要會看股票公司的財報 所處行業 所在行內業中的低位容 成長性怎麼樣 現在的股價估值如何 和同行業股票相比如何 未來有無外延式並購 有無資產注入預期等等
技術面 均線 K線 量能 以及一些技術指標 比如KDJ MACD CCI ENE等等 用來找具體的買賣點
籌碼面 這個做為散戶能得到的信息不多 主要就是從大宗交易，投資者關系活動記錄表，季報股東人數變化和龍虎榜去發現
但是記得 學這些內容要學習正確的 經過實證有效的 而不是網路出來的大路貨色
舉個例子
陽線吞噬 就是陽包陰 無論你在哪裡找的知識 都會告訴你後市看多吧
但在A股二十年的統計中 陽線吞噬之後的走勢 漲跌對半的概率 那麼這種技術分析有用么？
更不要說 如果一段上漲後出現的陽線吞噬 叫做雙人殉情 後市七成要下跌 比如2638之後出現的那2次 和1月9日3147那一次
相反的例子是貫穿線 後市上漲的概率超過七成 你看看創業板這幾個月出現的三次貫穿線 是不是每次都出現短線反彈？ 包括這次1月17日的
這還只是K線 還有成交量 籌碼面 形態等等綜合知識去研判的方法

4. 如何做好t+0交易之深度學習 邢者

T+0操作的實戰技巧和注意事項
「T+0」操作技巧根據操作的方向，可以分為順向的「T+0」操作和逆向的「T+0」操作兩種；根據獲利還是被套時期實施「T+0」操作的可以分為解套型「T+0」操作和追加利潤型「T+0」操作。
一、順向「T+0」操作的具體操作方法
1、當投資者持有一定數量被套股票後，某天該股嚴重超跌或低開，可以乘這個機會，買入同等數量同一股票，待其漲升到一定高度之後，將原來被套的同一品種的股票全部賣出，從而在一個交易日內實現低買高賣，來獲取差價利潤。
2、當投資者持有一定數量被套股票後，即使沒有嚴重超跌或低開，可以當該股在盤中表現出現明顯上升趨勢時，可以乘這個機會，買入同等數量同一股票，待其漲升到一定高度之後，將原來被套的同一品種的股票全部賣出，從而在一個交易日內實現平買高賣，來獲取差價利潤。
3、當投資者持有的股票沒有被套牢，而是已經盈利的獲利盤時，如果投資者認為該股仍有空間，可以使用「T+0」操作。這樣可以在大幅漲升的當天通過購買雙倍籌碼來獲取雙倍的收益，爭取利潤的最大化。
二、逆向「T+0」操作的具體操作方法
逆向「T+0」操作技巧與順向「T+0」操作技巧極為相似，都是利用手中的原有籌碼實現盤中交易，兩者唯一的區別在於：順向「T+0」操作是先買後賣，逆向「T+0」操作是先賣後買。順向「T+0」操作需要投資者手中必須持有部分現金，如果投資者滿倉被套，則無法實施交易；而逆向「T+0」操作則不需要投資者持有現金，即使投資者滿倉被套也可以實施交易。具體操作方法如下：
1、當投資者持有一定數量被套股票後，某天該股受突發利好消息刺激，股價大幅高開或急速上沖，可以乘這個機會，先將手中被套的籌碼賣出，待股價結束快速上漲並出現回落之後，將原來拋出的同一品種股票全部買進，從而在一個交易日內實現高賣低買，來獲取差價利潤。
2、當投資者持有一定數量被套股票後，如果該股沒有出現因為利好而高開的走勢，但當該股在盤中表現出明顯下跌趨勢時，可以乘這個機會，先將手中被套的籌碼賣出，然後在較低的價位買入同等數量的同一股票，從而在一個交易日內實現平賣低買，來獲取差價利潤。這種方法只適合於盤中短期仍有下跌趨勢的個股。對於下跌空間較大，長期下跌趨勢明顯的個股，仍然以止損操作為主。
3、當投資者持有的股票沒有被套牢，而是已經盈利的獲利盤時，如果股價在行情中上沖過快，也會導致出現正常回落走勢。投資者可以乘其上沖過急時，先賣出獲利籌碼，等待股價出現恢復性下跌時在買回。通過盤中「T+0」操作，爭取利潤的最大化。
T+0相關的幾個注意：
當上升達到一個高點，將要發生回撤時，要避免接下來的大幅下跌，這樣的下跌一般是不回頭的，殺傷力很大的。 分析時注意時間和趨勢的結合，趨勢也就是方向的變化需要時間來確認，只有注意到時間變化的關系，才可以把握走勢的准確變動點。在每個趨勢下的操作次數，在上漲的趨勢里，操作次數可以頻繁，因為高點是組建抬高的，勝率要大一點，在下跌趨勢中做的好的可以是跟隨股價的下跌，自身的成本也在不斷降低，可以叫換倉。 換倉操作避免一種誤區，上漲時換倉可以有一點盈利，下跌時換倉很難保持成本攤低，特別是超過10%的下跌，解決的辦法是判斷大的趨勢，減少操作次數。減少操作次數的方法：當大勢和個股都配合上漲時，可能會收陽線，如果個股沒有出現過份拉高行為，差價則難以產生，減少操作；中陰線出現時，第二天還會有低點出現，如果手中沒有倉位，減少操作，有倉位，需要尋找機會減倉。
操作次數和每天的震盪次數和幅度有關系，和自己的可操作倉位有關系，資金量可以對一支股票完成2次的買入和賣出比較理想。
分析的細節上首先看個股的成交量的情況，從成交量上判斷股性是否開始活躍，不論上漲或下跌，總要有一個比較大的空間才值得參與；接著看形態，將要形成多頭排列和暴跌階段剛過，一定有短線的操作機會；
必須注意：
1、該股股性活，上下波幅大；
2、必須嚴格設立止損，不能因為下跌而不賣，否則將會股票越做越多，成本越做越高。
3、一定要做自己熟悉的個股
4、大盤的走勢關繫到個股的發展方向
5、T+0最忌的就是追漲殺跌。
可以看我☺

5. 深度學習做股票預測靠譜嗎

之前，利用DBN去做股票市場的收益預測，輸入變數是市場行情數據，財務報內表數據和一容些技術因子，效果僅僅勉強跑贏hs300. 當時希望利用DBN，像處理圖片一樣，可以detect complex and nonlinear relationship between this variables，但是結果並不滿意，甚至同樣輸入了，RF，GBDT都跑到了不錯。現在感覺主要問題還是因為這些原始變數的雜訊大，另外還有就是正則化並沒有做好。
Data pre－processing 非常的重要。
之前研究過Barra 因子，裡面的每一個因子，雖然在生成上並沒有什麼技巧，剔除outlier，歸一化，線性回歸，正交化。基本上都是這些運算元。但是每一個都有一些logic。回看一些股票多因子的Fama French,1992,1993 的研究框架，更是感覺做金融計量的人和做機器學習的人思維的不同，做金融計量的人在數據分析上預處理很多，邏輯比較嚴密，並且logic大於統計技巧。我想如果在股票量化策略上，借鑒這種金融計量的思想，對於機器學習的技巧取得成功是必不可少的。

結論就是不可以

6. 深度學習做股票預測靠譜嗎

我認為至少目前是不靠譜的，原因
1。股市是一個社會系統，涉及到的方方面面太多，回從經濟、政治答、軍事、社會、科學、氣候、環境、社會心裡學、甚至倫理道德等等等等，這一切無法從電腦的一個什麼程序里模擬出來，這和下棋的復雜程度遠遠不是一個數量級的。
2。股市是一個動態的體系，即使用深度學習的方式預測成功了，由於參與者是上千萬甚至上億的社會個體，從眾心理會導致大家都按照預測的方向走，於是一個荒謬的結論就出來了：股市中所有的人都是賺錢的。但大家賺的是誰的錢呢？預測系統給的嗎？
3。假定預測成功了，但是幾次或多次成功以後預測很快就會在出問題。因為股市中有一條顛撲不破的真理，那就是，股市總是會朝大多數人願望的反方向運動。。。。。。也就是股市中永遠只有少數人賺錢這條真理最終會起作用。
4。如果用現在眾多的技術指標來給深度學習，那還不如用人自己來看指標預測。而且，號稱是這方面的股神、磚家多如牛毛，何必靠一個冷冰冰的機器呢？而且那樣做還會斷了股神、磚家的財路。。。。。。。