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。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值