iT邦幫忙

2021 iThome 鐵人賽

DAY 23
0
AI & Data

從零開始的套牢生活 - AI股票預測系統系列 第 23

[Day 23] 究竟AI能不能預測股價?

  • 分享至 

  • xImage
  •  

一、究竟AI能不能預測股價?

不能

好了,被我騙進來的可以按上一頁了(X
結論已經講了,如果你對原因感到好奇的話,可以進續看下去。

二、為什麼不能?

證據

最簡單的證據就是 - 目前IEEE之類的期刊還沒有一篇論文是關於股價預測突破的論文。
(三流期刊倒是有一堆就是...)

目前主流的研究方向主要在於「股市趨勢」,換成白話文的意思就是股票是看漲或是看跌,
可能有人要問了,趨勢和股價不是同一個意思嗎?
這裡我們就得提到一個預測價格會碰到的巨大問題 - 「預測延遲」

三、預測延遲

我們直接拿實例來看吧,這是別人做的深度學習去預測股價實驗結果:
https://ithelp.ithome.com.tw/upload/images/20210928/20141586U6fRCw9IGn.png
From FinTech

藍色為實際股價,紅色為預測股價,可以很明顯地看到紅線往往會慢藍線一拍,
如果是在其他領域,比如房價預測,這樣的瑕疵是可以容忍的,
畢竟4.8萬鎂的房子被預測成5萬鎂其實算不上甚麼大問題,
但如果是在應用於股市中,都跌停3天了才說股價會跌的模型是有個屁用。

那有人可能會問了,那如果我今天把模型加大加深,用超級電腦去Run一個頂級的模型呢?
答案還是不行,因為股價的本質注定了它的「不可預測性」

四、非平穩過程(Non-Stationary Processes)

預測股價可以用一個非常粗略的概念來解釋,

如何用你的歷年薪水去預未來的房價?

你很難說這兩者之間是毫無關係的,但可以確定的是這關係肯定是非常隱晦的,
隱晦到這之間的雜訊可能比你能得到的資訊還多,
如果你用一個非常強的模型去預測,你可能會得到一個歷史準確率99.9%的完美結果,
但是若預測未來的資料準確率馬上就降成20%不到了 - 你去巷子口的馬祖廟問都比這準,

這就是股價資料這種 - 非平穩(Non-Stationary)資料的一大問題,
雜訊太多,以至於你很難得到它們之間的關聯性,
那怕硬是去學習也只是硬湊個結果,以專業術語來說 - 「過擬合」。

更多的詳細資料可以參考這些:

五、替代方案:趨勢

既然我們不能預測股價,那我們可以說用股市是完全不可預測的嗎?

不完全對

不然你以為現在那些操盤手是怎麼操盤的? 真的去廟裡擲筊嗎?
最簡單的方法就是去算股票的各項指標,然後根據指標去預測趨勢,
你可能沒玩過股票,但你一定多多少少聽過「黃金交叉」、「死亡交叉」、「均線」,
這些就是用來預測趨勢的各種「工具」,操盤手會參考這些指標,去預測未來的股價是看漲或看跌,

比較有名的論文包括:

六、結尾

要說為什麼突然寫這篇了,主要是我在逛FinTech時看到這篇
經過了20多天的嘗試後,裡面寫的很多事情我都深有感觸,特別是婊那些亂寫的論文部分(X
不知不覺查了一堆資料後就乾脆整理成一篇了,之後可能會把它放到第一天當介紹,
畢竟我前十天的文章普遍都寫得很爛

明天可能會是論文筆記,或者對XGBoost預測進行復仇戰,也有可能寫策略的報表和圖表分析,
當然深度學習的部分我還是會寫,畢竟系列介紹現在也沒法改了(X


上一篇
[Day 22] 籌碼策略
下一篇
[Day 24] 籌碼分析 - 內線消息
系列文
從零開始的套牢生活 - AI股票預測系統30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言