一、總結

總結來說，今天研究了一整天論文，
該篇論文對蒐集5分線數據，並以此預測之後的股價傾向，

與論文不同的是我使用的不是5分K線，而是日k線
目前確定了幾條結論：

• 確認了股市資料的時間關聯性
  • 1.將觀察的歷史天數拉長可以提高準確率，雖然過久的歷史容易失焦導致準確率再次下降
  • 2.以每日股價的差額而非股價本身作為特徵能使準確率略微上升，
• 高頻市場(當沖)與長線預測可能有極大的差異，以至於當沖預測方法在長線預測失效
  • 論文預測機率為60% ~ 75%
• 機器學習方法普遍有嚴重過擬合問題
  • Test loss完全沒有下降的傾向，代表模型嚴重過擬合
  • 確認了不是train與test資料差異性造成
  • 確認了不是特徵過多造成
  • 確認了不是模型或調參問題
  • 

二、看不懂?

看不懂正常，因為我純粹把這篇當成技術筆記(X
明天我會將FinMind的Ticker資料轉成5分線資料，如果還是沒結果，
那代表傳統機器學習方法用來預測股票可能有先天性不足，
後天就會提前進入深度學習領域

非常亂的程式碼

絕對不會少的每日油圖

From 嘎唄