『壹』 AI都能炒股了，以后就要拼谁的算法牛了
人工智能量化交易平台宣布获得数百万人民币融资。据悉，本轮融资将主要用于团队建设、产品开发和硬件设备投入。
是一家基于人工智能的量化投资公司，成立于2017年10月，主要将技术应用于量化投资领域，实现低风险高收益的投资回报。
中国私、公募基金规模呈大跨步发展，截止2018年2月底，中国私募基金规模已达12.01万亿元，公募资金规模已达12.64万亿，在控制风险的前提下，提高获得投资收益的效率，是公、私募投资最大需求，国外盛行的量化交易越来越被国内机构所接受。
在量化交易这个领域，目前已有不少项目：私人量化交易平台JoinQuant、RiceQuant以及优矿，为量化交易领域提供核心算法支持的众加，量化策略商城微量网、以量财富为代表的量化理财平台，以及为量化投资者提供智能交易和分析工具的名策数据。
量化交易策略的建立是量化交易的重要环节。目前主要方式有两种，一种是输入与这套逻辑相关联的因子，比如历史表现、公司财务数据、宏观经济数据、上下游供应商数据等众多参数，建立一套模型，以算出标的上涨或下跌的概率，并生成投资组合和调仓策略。随着近几年人工智能兴起，不少人开始选用机器学习等方式，输入众多因子，让AI自己生成策略。
创始人兼CEO庞表示，的做法则不同，是用神经管网络替代原来用逻辑和策略构建的数学模型，通过输入股票相关数据，利用训练不同结构的神经网络来实现机器自主的量化交易。想做量化交易界的Deepmind（研发阿尔法狗的团队），成为中国的基金。
目前，的首个产品A股机器人“狗”已上线，应用于国内二级市场的投资，产品已实盘测试8个月。数据显示，狗实盘业绩显著，在2017年11月A股普跌的情况下(中证1000跌幅超4%)，狗依然实现了5.23%的收益，最大回撤控制在2.7%，并在2018年1月底上证指数大跌12%的情况下，智富狗做到了提前清盘避险，业绩明显优于大盘。
投资人黄表示：“人工智能是非常好的提高效率的方式，非常关注人工智能在各个领域的应用，我们认为以为代表的、基于神经网络的人工智能量化交易平台，能极大地提高大型的高频交易的效率。人的精力有限，一个再好的操盘手也不可能同时看2000支股票，但机器能轻易办到。”
『贰』 利用BP神经网络预测股票价格走势
参考 matlab神经网络30例 中有一个股票预测的案例
我觉得svm做这个更好
『叁』 炒股交易策略
理性的交易策略应该包括以下七种基本类型：
（一）价值型策略
即着眼于股票的内在价值。最典型的一个是巴菲特,完全从公司基本面上寻找投资机会。还有一个奥尼尔的CANSLIM模型,其中的多半要素也是属于价值的范围。如果细分,可以说巴菲特是价值挖掘型,而奥尼尔是价值增长型。
（二）趋势型策略
通 俗说,就是追涨杀跌。从众心理是趋势的主要基础。趋势也是股市运行的最明显特征。虽然牛市即具有明显上涨趋势的时间只占总时间的15％左右,但由于它的特 征显著,还是受到最多的投资者偏爱。顺便提醒炒股时间不长的朋友,运用趋势型策略最关键的是资金管理和止损,而不是信号的成功率。趋势型策略的典 型人物一个是索罗斯,他不仅关于运用趋势,还提出走在趋势的前面,就是找趋势转折点。另一个是范撒凯的《通向金融王国的自由之路》书中提到的巴索,建议大 家都去找一下这本书看看,理解一下R系数的理念会使您对趋势型策略有全新的认识。
（三）能量型策略
前 面的趋势型主要关注价格,而能量型主要关注的是成交量。成交量是股价的元气,这句话十分到位地表达了这类型策略的观点。例如OBV指标就是一个最简单的能 量型策略的例子。典型人物一个是江西证券的廖黎辉,他用自己的模型1998年前后做了一个公开模拟账户,年收益超过10倍。另一个是花荣,他曾对OBV深 入研究,不过真正的东西他不会拿出来的。
（四）周期型策略
螺 旋式上升是世界最常见的发展方式,股市也不例外。一个螺旋就是一个周期。我们常说的波段,它的学名应该也叫周期。周期型策略的代表人物我认为第一个应该是 艾略特,波浪就是周期嘛,只不过他那里的波浪还只是非理性的,靠肉眼看,就像看云彩似的。好在现在有了不怕苦不怕累的电脑,能够代替我们把波浪数得更统 一,如果再加上神经网络技术,波浪的前景应该很光明的。另一个代表人物我知道的就是波涛先生,他的专长是研究浮动波长周期,开辟了一个赚钱的新领域。如果 有兴趣赚钱的,建议找本波涛的书好好看看吧。
（五）突变型策略
不 是在说突变论的突变,这里我们不需要那么复杂的。这里说的突变就是价格发生突然变化的意思。突变往往是容易把握的好机会。只不过全国80％的个人投资者都 是业余股民、上班族,用不上,所以不多说了。知道的代表人物一个是鲁正轩,他有本书专门研究涨停板,听说他在孙中山老家曾操盘赚了不少钱。另一个人物是亚 洲一号,他曾在叶滔网站的模拟炒股中达到28倍收益。
（六）跟庄型策略
把这个策略排在第五位,也是想请各位注意除了它之外,还有其他的可能是更好的策略。跟庄的书太多了。其代表人物一个是青木,他是一代股民的老师。另一个是几何级数,他写的庄家系列文章比青木说的还全面。这家伙本来是在医院搞X光的,他对股市也差不多能透视了。
（七）数理型策略
不 是数理化的数理,而是数术之理的意思。我对此一窍不通,曾有朋友想教化我,但我一看就晕,学不了。只知道两个代表人物,一个是江恩,他的数理水平比咱们国 人高手当然差远了,但他是世界上第一个成名的将数理方法运用在股市上的。第二个代表人物应该是周文王了,他拘而演易,创立了数理大厦的基础。
『肆』 神经网络 能对股票 预测吗
因为他么有未来函数，但是有未来函数的又是会随着行情的演变而变的，所以没有预测的软件，只有预测的人，盘感很重要，不要迷信软件，那样不是会看软件的人就能赚钱了。关注资金动向是你首先应该学习的。
『伍』 bp神经网络股票价格预测的MATLAB编程
P=[];‘输入，开盘价，最高价，最低价，收盘价成交量依次5天的数据’
T=[];’输出，即第二日的收盘’
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; ‘最大训练次数，根据需要可自行调节’
net.trainParam.goal=0.01; ‘误差’
net.trainParam.lr=0.01; ‘学习率’
net=train(net,P,T); ‘训练网络’
test=[];‘待预测数据输入’
out=sim(net,test); ‘仿真预测’
我的这个程序没有进行初始化，你还需要先将数据进行初始化后才能算。
『陆』 请教用人工神经网络进行股票预测在weka
预测股票可不是有以往股票数据就能的，要考虑因果性，现实事件与股票波动有因果性，也就是时序性。在这情况下有LSTM单元组成循环神经网络可以做到，但训练集的强度跟体积可是很大的，这需要注意。
『柒』 用人工神经网络进行股票预测，数据样本为开盘，收盘，最高，最低，成交量，成交额。用weka或matlab实现
把样本数据分为训练样本和测试样本，然后用训练样本训练网络，用测试样本进行模型验证
『捌』 BP神经网络预测股票
感知器你知道么，如果不知道，建议你买《人工神经网络原理》马锐著，看完70页你就会了。里边也有你这个问题的设计思路。用c语言matlab都能编，如果有问题，请留言，想问下你是什么专业？
『玖』 你好看你发帖问过用BP神经网络预测股票价格的提问
首先你要搞清bp的基本原理，基于梯度法的原则，因为这种算法按梯度走，极易进入局部最小点二出不来，所以对于比较简单的模型如高斯曲面有一定的逼近能力，但是现实如你所说的股票，相关因素特别多，也就是说神经网络输入通道会很多，而且通道和通道直接哟相关性，模型在超曲面上就像是大海海面一样跌宕起伏，使用bp明显太过于困难，而且实际中样本有限的很，bp理论基于样本无限的学习规则（21实际70年代），你要证明的话，可以例举一个简单的单极二次型函数，用来试试看bp能否完全逼近这个函数