大家好，今天小編關(guān)注到一個(gè)比較有意思的話(huà)題，就是關(guān)于男子賣(mài)機器考股票公司電影的問(wèn)題，于是小編就整理了1個(gè)相關(guān)介紹男子賣(mài)機器考股票公司電影的解答，讓我們一起看看吧。

用“機器學(xué)習”做“股票預測”能做到什么程度，靠譜嗎？

機器學(xué)習的預測，其實(shí)只是探尋或者說(shuō)是擬合數據中的規律，然后做出預測。但是股票這種情況，人為干預的因素太大，也就是市場(chǎng)因素太大。所以機器學(xué)習根本不可能用在股票預測上。機器學(xué)習用在一些自然的，沒(méi)人為干預的數據會(huì )準確。

用“機器學(xué)習”的方法去學(xué)習股價(jià)漲跌 -- 這個(gè)問(wèn)題已經(jīng)被無(wú)數的人思考，并且實(shí)踐過(guò)了。但不意味著(zhù)沒(méi)有價(jià)值。這個(gè)問(wèn)題其實(shí)可以分為兩個(gè)部分：1. 股市可以預測嗎?2. 假如可以預測，用機器學(xué)習的方法去預測可以嗎?先回答第一個(gè):股市的漲跌可以預測嗎?

股市的價(jià)格變化，事實(shí)就是一個(gè)隨時(shí)間變化的序列。Price = Market(t)只要把這個(gè)函數寫(xiě)出來(lái)就可以預測股價(jià)了。這個(gè)函數是什么樣子的? 我們可以嘗試用N個(gè)模型(線(xiàn)性，非線(xiàn)性, 概率)來(lái)進(jìn)行逼近。如果股價(jià)的變化是符合這幾個(gè)模型的，那么在有足夠多的訓練數據的情況下，股價(jià)將被模擬出來(lái)。但是事實(shí)是，在嘗試過(guò)許多許多模型的情況下，這些模型幾乎沒(méi)能預測股價(jià)的變化，有的模型只能在特定的區間能做一些不是十分精準的預測。

先討論一下Reinforcement Learning, 這個(gè)算法基于馬爾可夫性，從一個(gè)狀態(tài)預測下一個(gè)狀態(tài)，但是股價(jià)的漲跌具有強烈的馬爾可夫性嗎?也就是上一時(shí)刻的股價(jià)與下一個(gè)時(shí)刻的股價(jià)間有必然的聯(lián)系嗎?應該是不太大。這種基于N階馬爾可夫性的系統對于股價(jià)的分析很不利。而且假如只使用股價(jià)的歷史數據進(jìn)行模型的訓練的話(huà)，準確度可以說(shuō)幾乎為0。影響股價(jià)的因素不僅僅是歷史股價(jià)，還有更多的因素，公司的近況，股民對股票的態(tài)度，政策的影響等等。所以許多人會(huì )從這方面進(jìn)行入手，用人工智能提供的快速計算能力，使用合適的模型，來(lái)量化這些因素，例如, (政策X出臺, 可能會(huì )對股價(jià)造成變化y元)。還有在一些有趣的預測股價(jià)方法大都有基于語(yǔ)義分析, 分析股民對某支股票的評論，對某個(gè)事件的情緒等等，以此來(lái)預測股價(jià)的漲跌。等等 當你的模型將所有的因素全都考慮進(jìn)來(lái), 那么股價(jià)的預測就唾手可得了。股價(jià) = f(政策因素, 公司情況，市場(chǎng)因素, 歷史股價(jià)，上一年歷史股價(jià), 某個(gè)股民自殺的影響...)這些因素到底有多少? 它們之間會(huì )如何影響，這才是問(wèn)題的關(guān)鍵。在某些穩定的情況下，我們是可以做大概的預測的，但是有很多時(shí)候，會(huì )不準確，這是因為，你的模型 永遠不可能把所有的 因素都考慮進(jìn)來(lái)。而且你也不會(huì )知道 還會(huì )有什么因素會(huì )影響股價(jià)的波動(dòng)。在這么多的因素，和因素與因素間還會(huì )產(chǎn)生互相影響的情況下。股價(jià)的模型將會(huì )變得極其復雜。

“預測”是人類(lèi)最希望擁有的技能之一，隨著(zhù)計算機技術(shù)特別是機器學(xué)習技術(shù)的使用，我們在很多方面都能較好做到“預測”。這些“預測”的本質(zhì)是，基于已有的觀(guān)測，給出風(fēng)險最小的估計，并且這個(gè)估計的風(fēng)險是在已觀(guān)測數據中風(fēng)險最小。這里的一個(gè)隱含假設是，已觀(guān)測數據分布與未來(lái)的數據分布大致相同。如果不同，估計明天會(huì )失效。具體到“股票預測”這件事情上，“機器學(xué)習”是否靠譜就能大致了解。

但實(shí)際上這不足以理解到底“靠譜”。影響機器學(xué)習靠譜程度的另一個(gè)重要因素是，訓練數據特征是否包含了數據結果的絕大多數原因。以股票來(lái)說(shuō)，引起漲跌的原因非常多:常見(jiàn)的有政策、利息、當前買(mǎi)賣(mài)手等。如果構造機器學(xué)習，我們應當盡可能吧這些引起漲跌的因素找到。但實(shí)際上，股票漲跌因素太多太多，甚至華爾街的一些人需要搞自然語(yǔ)言處理作為模型的一部分去預測漲跌。因此我覺(jué)得，機器學(xué)習預測股票還有跡可循，區別在于模型復雜程度。

不過(guò)以我搞比特幣的自動(dòng)交易經(jīng)驗來(lái)看，最好的投資不是預測，而是看好大趨勢放長(cháng)線(xiàn)。想預測，只不過(guò)是想套利而已，急于求成最后又累又得不到什么。

到此，以上就是小編對于男子賣(mài)機器考股票公司電影的問(wèn)題就介紹到這了，希望介紹關(guān)于男子賣(mài)機器考股票公司電影的1點(diǎn)解答對大家有用。