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：

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：

• https://www.investopedia.com/articles/trading/07/stationary.asp
• https://en.wikipedia.org/wiki/Stationary_process

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：

• Predicting stock and stock price index movement using Trend Deterministic Data Preparation and machine learning techniques
• Integrating a Piecewise Linear Representation Method and a Neural Network Model for Stock Trading Points Prediction

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