『壹』 AI都能炒股了，以後就要拼誰的演算法牛了
人工智慧量化交易平台宣布獲得數百萬人民幣融資。據悉，本輪融資將主要用於團隊建設、產品開發和硬體設備投入。
是一家基於人工智慧的量化投資公司，成立於2017年10月，主要將技術應用於量化投資領域，實現低風險高收益的投資回報。
中國私、公募基金規模呈大跨步發展，截止2018年2月底，中國私募基金規模已達12.01萬億元，公募資金規模已達12.64萬億，在控制風險的前提下，提高獲得投資收益的效率，是公、私募投資最大需求，國外盛行的量化交易越來越被國內機構所接受。
在量化交易這個領域，目前已有不少項目：私人量化交易平台JoinQuant、RiceQuant以及優礦，為量化交易領域提供核心演算法支持的眾加，量化策略商城微量網、以量財富為代表的量化理財平台，以及為量化投資者提供智能交易和分析工具的名策數據。
量化交易策略的建立是量化交易的重要環節。目前主要方式有兩種，一種是輸入與這套邏輯相關聯的因子，比如歷史表現、公司財務數據、宏觀經濟數據、上下游供應商數據等眾多參數，建立一套模型，以算出標的上漲或下跌的概率，並生成投資組合和調倉策略。隨著近幾年人工智慧興起，不少人開始選用機器學習等方式，輸入眾多因子，讓AI自己生成策略。
創始人兼CEO龐表示，的做法則不同，是用神經管網路替代原來用邏輯和策略構建的數學模型，通過輸入股票相關數據，利用訓練不同結構的神經網路來實現機器自主的量化交易。想做量化交易界的Deepmind（研發阿爾法狗的團隊），成為中國的基金。
目前，的首個產品A股機器人「狗」已上線，應用於國內二級市場的投資，產品已實盤測試8個月。數據顯示，狗實盤業績顯著，在2017年11月A股普跌的情況下(中證1000跌幅超4%)，狗依然實現了5.23%的收益，最大回撤控制在2.7%，並在2018年1月底上證指數大跌12%的情況下，智富狗做到了提前清盤避險，業績明顯優於大盤。
投資人黃表示：「人工智慧是非常好的提高效率的方式，非常關注人工智慧在各個領域的應用，我們認為以為代表的、基於神經網路的人工智慧量化交易平台，能極大地提高大型的高頻交易的效率。人的精力有限，一個再好的操盤手也不可能同時看2000支股票，但機器能輕易辦到。」
『貳』 利用BP神經網路預測股票價格走勢
參考 matlab神經網路30例 中有一個股票預測的案例
我覺得svm做這個更好
『叄』 炒股交易策略
理性的交易策略應該包括以下七種基本類型：
（一）價值型策略
即著眼於股票的內在價值。最典型的一個是巴菲特,完全從公司基本面上尋找投資機會。還有一個奧尼爾的CANSLIM模型,其中的多半要素也是屬於價值的范圍。如果細分,可以說巴菲特是價值挖掘型,而奧尼爾是價值增長型。
（二）趨勢型策略
通 俗說,就是追漲殺跌。從眾心理是趨勢的主要基礎。趨勢也是股市運行的最明顯特徵。雖然牛市即具有明顯上漲趨勢的時間只佔總時間的15％左右,但由於它的特 征顯著,還是受到最多的投資者偏愛。順便提醒炒股時間不長的朋友,運用趨勢型策略最關鍵的是資金管理和止損,而不是信號的成功率。趨勢型策略的典 型人物一個是索羅斯,他不僅關於運用趨勢,還提出走在趨勢的前面,就是找趨勢轉折點。另一個是范撒凱的《通向金融王國的自由之路》書中提到的巴索,建議大 家都去找一下這本書看看,理解一下R系數的理念會使您對趨勢型策略有全新的認識。
（三）能量型策略
前 面的趨勢型主要關注價格,而能量型主要關注的是成交量。成交量是股價的元氣,這句話十分到位地表達了這類型策略的觀點。例如OBV指標就是一個最簡單的能 量型策略的例子。典型人物一個是江西證券的廖黎輝,他用自己的模型1998年前後做了一個公開模擬賬戶,年收益超過10倍。另一個是花榮,他曾對OBV深 入研究,不過真正的東西他不會拿出來的。
（四）周期型策略
螺 旋式上升是世界最常見的發展方式,股市也不例外。一個螺旋就是一個周期。我們常說的波段,它的學名應該也叫周期。周期型策略的代表人物我認為第一個應該是 艾略特,波浪就是周期嘛,只不過他那裡的波浪還只是非理性的,靠肉眼看,就像看雲彩似的。好在現在有了不怕苦不怕累的電腦,能夠代替我們把波浪數得更統 一,如果再加上神經網路技術,波浪的前景應該很光明的。另一個代表人物我知道的就是波濤先生,他的專長是研究浮動波長周期,開辟了一個賺錢的新領域。如果 有興趣賺錢的,建議找本波濤的書好好看看吧。
（五）突變型策略
不 是在說突變論的突變,這里我們不需要那麼復雜的。這里說的突變就是價格發生突然變化的意思。突變往往是容易把握的好機會。只不過全國80％的個人投資者都 是業余股民、上班族,用不上,所以不多說了。知道的代表人物一個是魯正軒,他有本書專門研究漲停板,聽說他在孫中山老家曾操盤賺了不少錢。另一個人物是亞 洲一號,他曾在葉滔網站的模擬炒股中達到28倍收益。
（六）跟庄型策略
把這個策略排在第五位,也是想請各位注意除了它之外,還有其他的可能是更好的策略。跟庄的書太多了。其代表人物一個是青木,他是一代股民的老師。另一個是幾何級數,他寫的莊家系列文章比青木說的還全面。這傢伙本來是在醫院搞X光的,他對股市也差不多能透視了。
（七）數理型策略
不 是數理化的數理,而是數術之理的意思。我對此一竅不通,曾有朋友想教化我,但我一看就暈,學不了。只知道兩個代表人物,一個是江恩,他的數理水平比咱們國 人高手當然差遠了,但他是世界上第一個成名的將數理方法運用在股市上的。第二個代表人物應該是周文王了,他拘而演易,創立了數理大廈的基礎。
『肆』 神經網路 能對股票 預測嗎
因為他么有未來函數，但是有未來函數的又是會隨著行情的演變而變的，所以沒有預測的軟體，只有預測的人，盤感很重要，不要迷信軟體，那樣不是會看軟體的人就能賺錢了。關注資金動向是你首先應該學習的。
『伍』 bp神經網路股票價格預測的MATLAB編程
P=[];『輸入，開盤價，最高價，最低價，收盤價成交量依次5天的數據』
T=[];』輸出，即第二日的收盤』
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; 『最大訓練次數，根據需要可自行調節』
net.trainParam.goal=0.01; 『誤差』
net.trainParam.lr=0.01; 『學習率』
net=train(net,P,T); 『訓練網路』
test=[];『待預測數據輸入』
out=sim(net,test); 『模擬預測』
我的這個程序沒有進行初始化，你還需要先將數據進行初始化後才能算。
『陸』 請教用人工神經網路進行股票預測在weka
預測股票可不是有以往股票數據就能的，要考慮因果性，現實事件與股票波動有因果性，也就是時序性。在這情況下有LSTM單元組成循環神經網路可以做到，但訓練集的強度跟體積可是很大的，這需要注意。
『柒』 用人工神經網路進行股票預測，數據樣本為開盤，收盤，最高，最低，成交量，成交額。用weka或matlab實現
把樣本數據分為訓練樣本和測試樣本，然後用訓練樣本訓練網路，用測試樣本進行模型驗證
『捌』 BP神經網路預測股票
感知器你知道么，如果不知道，建議你買《人工神經網路原理》馬銳著，看完70頁你就會了。里邊也有你這個問題的設計思路。用c語言matlab都能編，如果有問題，請留言，想問下你是什麼專業？
『玖』 你好看你發帖問過用BP神經網路預測股票價格的提問
首先你要搞清bp的基本原理，基於梯度法的原則，因為這種演算法按梯度走，極易進入局部最小點二出不來，所以對於比較簡單的模型如高斯曲面有一定的逼近能力，但是現實如你所說的股票，相關因素特別多，也就是說神經網路輸入通道會很多，而且通道和通道直接喲相關性，模型在超曲面上就像是大海海面一樣跌宕起伏，使用bp明顯太過於困難，而且實際中樣本有限的很，bp理論基於樣本無限的學習規則（21實際70年代），你要證明的話，可以例舉一個簡單的單極二次型函數，用來試試看bp能否完全逼近這個函數