使用深度神经网络LSTM做股票指数及趋势预测 黄金基金涨跌看哪只股票的走势最准确

When all the clouds darken up the skyway, there’s a rainbow highway to the found.

机器学习用于量化分析，是目前量化研究的主流方向之一。近几年兴起的人工智能算法在诸多领域已经取得了成功，比如，在进行了3天的自我训练后，AlphaGo Zero 在100局围棋比赛中以100：0击败了上一版本的 AlphaGo，而上一版本的 AlphaGo 击败了曾18次获得围棋世界冠军的韩国九段棋士李世石。深度神经网络能够自动挖掘有助于正确预测目标的影响因子，其在金融领域的应用有着让人憧憬的前景。

不过，需要指出是，围棋是一个完全隔离的小世界，里面所有的规则都是确定的，达到目标的路径虽然庞大，但是是明确的，因此机器学习方法能够捕捉到几乎每一个动作的影响从而预测出下一步的最优动作，而股市是一个开放的世界，虽然影响股市的因子也是有限的，但是现实情况中影响股市的信息缺失、延迟甚至错误都是很常见的，而这将使得依靠过去信息训练好的机器学习系统做出误判，当然人本身也会因这个原因而没法做出正确的投资决策，就算是股神巴菲特，也会因为突然而来的新冠疫情及其后续可能的更大不确定性，而选择割肉清仓航空股。

客观来说，如果人能够依靠丰富的投资经验及其独有的交易规则从股市当中获利，那么机器学习算法也是可以的。机器学习算法尤其擅长从过去的交易信息中总结经验，人能总结出来的经验（规则），算法都能学习出来，人不能总结出来的经验，算法也能学习出来，而且机器学习算法不像人一样易受情绪波动的影响，而情绪往往是影响人做出正确决策的重要因素。当然，不是说学会了机器学习算法做量化交易就能够从股市获利，但是如果熟练掌握了机器学习量化交易的艺术，辅之以个人对股市的认知和思考，那么获利将会是一个大概率事件。