用AI炒股！今年的程序员真会用深度学习来预测股票价格。以前觉得有点不清楚，其实也不是什么新鲜事。今天，缘美给大家分享一个股票预测模型，集机器学习和股票预测于一身。深度学习模型，包括交易机器人和（股票）模拟。准确预测股市是一项复杂的任务，因为影响股票走势的因素和先决条件有数以百万计，因此模型需要尽可能多地捕捉这些先决条件，同时做出几个重要的先决条件假设：1）市场不是100%随机的，2)历史在重复，3)市场遵循人们的理性行为，4)市场“非常好”。创作者以高盛为例，预测高盛的股票走势，使用2010年1月1日至2018年12月31日的每日收盘价作为训练（七年）和测试（两年）数据。为了创建所有神经网络，创建者使用MXNet及其高级API-Gluon，并在多个GPU上进行训练。整体结构如下：GitHub也给出了详细的教程来介绍每一步。创作者说最难的部分是GAN。成功训练GAN最困难的部分是获得正确的超参数集。为此，创建者使用贝叶斯优化（使用高斯过程的贝叶斯优化）和强化学习(RL)来决定何时以及如何更改GAN的超参数。在创建强化学习时，也使用了一些技术，例如Rainbow和PPO。除了股票的历史交易数据和技术指标，创作者还利用NLP中的BERT建立情绪分析模型（作为基本面分析的来源），并利用傅里叶变换提取整体趋势方向……只是为了尽可能多地捕获有关股票、模式、依赖关系等的大量信息。我们都知道，数据越多越好。集体过程先不赘述太多，直接看结果：Drawtheresultaftertraining训练50次后绘制结果Draw200次训练后结果RL跑10eposides，本文定义一个eposide为GANafter200完成训练，下图为最终结果。如果你对整个教程感兴趣，可以去GitHub上查找。至于准确率，你试过就知道了。目前该项目已获得863个Stars和378个Forks（GitHub地址：https://github.com/borisbanushev/stockpredictionai）
