用深度学习预测股票价格想过去有些不明觉厉，但已经不是什么新鲜事了，今天猿妹和大家分享一个股票预测模型，收集了机器学习和股票预测的深度学习模型，包括交易机器人和（股票）模拟。

 

想要准确预测股票市场是一项复杂的任务，因为有数百万个因素和先决条件会影响股票的走势，所以这个模型需要尽可能多的捕捉到这些先决条件，同时还需要作出几个重要的先决假设：1)市场不是100%随机的，2)历史重复，3)市场遵循人们的理性行为，4)市场是“完美的”。

 

创建者以高盛公司为例子，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。整体架构如下：

 

 

 

 

GitHub上还给出了详细的教程介绍每一个步骤，创建者表示最困难的部分是GAN，想要成功训练GAN最难的部分就是获得正确的超参数集。出于这个原因，创建者使用贝叶斯优化（带有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改变GAN的超参数。在创建强化学习时，也利用到一些最新的技术，例如Rainbow和PPO。

 

除了股票的历史交易数据和技术指标，创建者还NLP 中的 BERT 来创建情绪分析模型（作为基本面分析的来源），傅立叶变换用于提取整体趋势方向......只为捕获尽可能多的关于股票的信息，模式，依赖关系等。众所周知，数据越多越好。

 

集体过程我们就不过多赘述了，直接看结果：

 

绘制第一次训练之后的结果

 

 

 

绘制 50 次训练后的结果

 

 

 

绘制 200 次训练后的结果

 

 

 

RL 运行了 10 eposide ，本文定义一个 eposide 是 GAN 完整训练 200 次后，下图是得到的最终的结果

 

 

 

对整个教程感兴趣的，可以到GitHub一探究竟。至于准确率如何，试过就知道了

 

 

 

 

 

目前，该项目已经获得 863 个Star，378 个Fork（GitHub地址：https://github.com/borisbanushev/stockpredictionai）