沒錯, 當初真的只想說要撐兩天 ,但還是認認真真的規劃了一下,然後就寫到今天了(有點佩服自己)。
一切都是來得這麼突然XD 有點小開心+小歉意 (工程師的BUG往往都是這麼樸實無華,且枯燥
一直做錯實作還要多一篇來修BUG,進度超慢還亂測試,邪門歪道喔!! 躺分啊!!
小...小的錯了,但還是要給它結束啊 !!! 回到正題,其實在規劃這個系列文的時候,我的最終目標就一直都希望用RL來實現。 雖然最後的結尾是如此地偏門 (笑死 XD
那為什麼不用正規的RL做呢?
要啊! 要做啊! 但我預計在25天前就把該解決的解決了才對Orz 計劃趕不上變化啊!!! 連GCP
都統我一刀... 我原本預計的規劃如下的排列組合 :
*
的代表我有做的 XD 最後一欄對我來說只是bonus時間軸 | 使用模型 | 使用資料集 | 資料處理方法 | 預測 | 環境 |
---|---|---|---|---|---|
最先 | * LSTM | * 短線 | * 普通正規化 | * 價格 | * local電腦 |
-- ↓ -- | CNN | - | 加入指標 | - | * GCP VM |
-- ↓ -- | CNN-LSTM | * 當沖 | 畫成圖 | * 行動 | - |
-- ↓ -- | Muti-Model | - | - | - | - |
-- ↓ -- | * 偏門RL | 3日短線 | - | - | GCP API |
最後 | RL | 月線 | - | 行動+價格 | edge |
好爛喔~ 還跳過這麼多模型
我盡力了喔(哭~),而且因為是第一次參加,我不確定是不是第一天就要開始寫 ... 那時候因為忙到 9/4
,還是給它在9/2
就開始寫了XD 而且本來還要先屯個幾篇再開始,但真的不知道,所以都當天來... 有鑑於此,在這獻上發自內心的一句諫言 : 「 千萬不要回去看那幾篇!! 」
回顧一下作者我到底都幹了些什麼吧! (程式碼位於最下方的參考中)
天 | 篇章 | 備註 |
---|---|---|
1 | 30天可以用AI來分析股票嗎? | 講幹話 |
2 | 起步~走! | 講幹話 |
3 | GCP環境建置-我可以開始Coding啦! | 實作錯了硬要講幹話 |
4 | GCP上架設VM - 筆記 | 實作錯了硬要講幹話 |
14 | 股票市場及python網路爬蟲 | 幹話的完全體 |
天 | 篇章 | 備註 |
---|---|---|
9 | TFRecord踩坑踩好踩滿 | 抱回我的自尊~哼! (但後面依然沒有用它) |
21 | Keras-LSTM踩坑踩好踩滿 | 然後自尊就被搶走了 |
天 | 篇章 | 備註 |
---|---|---|
5 | 股票預測需要什麼樣的NN模型? | 我的第一篇筆記觀念XD |
6 | 股票預測初探 :: 只有過程沒有結果~嗚嗚 | 實作很久的失敗TFRecord |
7 | 股票預測二訪 :: 簡單測試及修正小問題 | 繼續嘗試TFRecord然後失敗Orz |
8 | 股票預測三試 :: 使用小的Dataset和LSTM做多個測試 | 放棄TFRecord總算有了第一個結果 |
天 | 篇章 | 備註 |
---|---|---|
10 | 實戰前的測試路(一) :: 正規化資料 | 最基本的正規化資料 |
11 | 實戰前的測試路(二) :: 加入第二個變數 | 加入「交易量」資訊 |
12 | 實戰前的測試路(三) :: 混合正規測試 | 將兩個不同的正規化方是結合 |
13 | 實戰前的測試路(四) :: 非股價預測測試 | 預測action 的第一步 |
天 | 篇章 | 備註 |
---|---|---|
16 | 沒有實作所以只好講幹話系列(一) :: 從loss到梯度下降 | loss是什麼? |
17 | 沒有實作所以只好講幹話系列(二) :: 模型中的激勵函數 | 激勵函數是什麼? |
18 | 沒有實作所以只好講幹話系列(三) :: 過擬合了 !! | 過擬合是什麼? |
16 | 沒有實作所以只好講幹話系列(四) :: 淺談Reinforcement Learning (RL) | 強化學習是什麼? |
天 | 篇章 | 備註 |
---|---|---|
19 | 暴力LSTM模型實測-你是在跟我開玩笑嗎? | 實作有BUG LA |
20 | 暴力輸入資料實測-單純的我被嘲諷了 | 實作有BUG LA |
22 | 暴力拔掉do_nothing類別-期待的我被侮辱了 | 實作有BUG LA |
23 | 暴力中繼總匯站-修bug之路之結果重發 | 把BUG補掉 LA |
24 | 暴力股票action預測-什麼叫做暴力美學 ? | 預測趨勢 |
天 | 篇章 | 備註 |
---|---|---|
15 | 超級簡略的單股買賣模擬器 | 第一個環境模型 |
25 | 超級簡略的單股買賣模擬器 :: 測試action預測結果 | 從1000 滾到2億 元 |
26 | 比較不簡略的單股買賣模擬器 :: 面對現實吧 ! | 然後就賠錢了...嗚嗚 |
28 | 偏門RL實測 :: 用超簡單股票交易模擬器來訓練模型 | 測試用環境來訓練模型 |
29 | 偏門RL實測 :: 調出一個合適的環境參數 !! | 設法找到最適合的Reward |
在這一系列的trial and error
當中,我也對整個股票市場從0
慢慢升到了1
(滿是100
) 。「AI可以分析股票嗎?」這個問題早在第一篇幹話中已經給出了答案,在實作的過程中也驗證了這個答案,在一般的情況下,不加入人為的指標、沒有環境狀態或甚至完全不知道自己在預測什麼的情況下, AI都能夠使模型收斂並有一定的成效 。
但加入手續費就直接GG了
沒錯Orz,但不可否認,如果把環境狀態也放進去,很有可能有翻轉的餘地 (催眠中~
那麼如果要繼續的話,接下來要做什麼?
如果要繼續,應該要把戰場撤離「當沖」。除非你在證券公司上班,不然就是幫他們賺錢,現在應該要將時間軸拉長一點,做3-7天的連續投資。 這個就會比較麻煩了,我們不能用原本的LSTM來做(資料會太大),也要考慮正規化的問題,因為隔天的開盤價不同。 我認為RL是最好的方式,我們需要顧全大局,又要有一定的限制,這些是單單給y_true
做不來的。
怎麼都是直接預測
action
? 想要直接使用程式交易嗎?
其實我最一開始的目標就是程式交易,但如果想要由機器幫你「過濾」掉股票或是「提取」一些特正要你注意某些股票,這在暴力系列的最後一篇就可以拿來用,把條件設得嚴苛一點、把模型修改一點,甚至可以把輸出分類一下,弄成「該注意」「稍微注意」...等等,也可以的 !
你是不是忘了什麼東西? GCP勒?
堆...堆噗起 ~ !!! 誰知道做一做30天就到了XD 而且我用GCP上的虛擬環境...才訓練個 4
天就 $800
左右,比我放1000
進去我的模型賠的還多Orz... 不過說認真,我真的滿想使用到GCP
上的API
,但真的沒時間研究喇 ! 以後,以後再說 XD
之後會繼續嗎?
明年鐵人再考慮囉XD 今年是我的第一年,感性的話就先語畢吧 ! 學到不少真的,到最後都有維持初心地朝自己好奇的方向鑽,算是收穫滿滿吧 ! 鐵人第30天,結束啦 !
撒花放鞭炮+訓練一下明年的模型...
我開玩笑的 (跪...
恭喜!!! 比預計多撐過了15倍的時間XD!!!
哈哈哈 真的~ 果然定小一點的目標可以有比較大的成就感 哈哈哈哈