从零开始用人工智能预测股票（四、方案优化）

根据之前方案呈现的结果，当前存在以下问题：

1、大盘数据较少，共6000多条数据，还需要留一部分做测试集

2、大盘指数波动幅度较小，因此程序自动预测为0时撞上的几率较大

3、网络形式简单，未考虑LSTM网络

综上进行方案优化：

1、使用上证市场的所有股票数据进行学习，股票数据加上当日大盘数据作为样本

2、股票涨跌幅度应该是符合正态分布的，故对标签的分配重新划分，相对0成对称划分，且越靠近0处划分区域越小，以使标签落到每个区域的概率尽量平均

3、使用LSTM网络进行学习，考虑时间的影响

难点：上证市场有几千只股票，每个股票的数据也只有几千条，单独开来数据也不足，考虑合起来作为一个模型，但多种数据合并与LSTM网络的适配存在难疑难点，待解决。