搜索
抓牛股做股王 做配资找股王官方股票配资,利息低至0.6%亿配资注册送30000元操盘金送10000操盘金
3G股票配资开户 月息低至0.6%股票万1佣金开户送通道股票配资注册送8888操盘金米配资 实盘开户3-10倍杠杆
我出资 您炒股 入金即返1%实盘开启稳定获利港股佣金0.08%洞察主力动向 精准短线操作
查看: 2045|回复: 4

人工智能炒股,大概是怎么回事?

[复制链接]

发表于 2018-8-7 10:27 | 显示全部楼层

人工智能炒股,大概是怎么回事?

来自:MACD论坛(bbs.macd.cn) 作者:电脑端 浏览:2045 回复:4

作者:Janu68

------让电脑成为你的智能投资顾问

前一阵子因为谷歌阿尔法狗(AlphaGo)完胜围棋大师,“人工智能,机器学习” 等高大上的名词着实火了一把,人们纷纷惊叹一个电脑程序居然能拥有超过人类围棋最高水准的智慧,简直不可思议。于此同时,很多人开始联想,假如让电脑来学习打游戏,作画,或者写歌写小说会有什么样有趣的发现呢?

“这么厉害?有本事来挑战大A股啊!”

“哈哈哈……”众人皆笑,我也如此,源于大A 略带滑稽,变幻莫测的特征。

其实上面举的例子都已经有不少爱好者实现了,唯独A股还没有见到。我在编程方面也不是老手,凭借一些兴趣,现学现用,实现了一个很初级但很有趣的程序来分析股市。这篇文章希望能帮助大家赶赶时髦,理解些许人工智能,同时也作抛砖引玉之用。

智能是什么?学习, 记忆,联想, 推理,大概就是这些东西。人工智能就是人为地,让计算机通过某些程序算法去拥有智能。电脑,大家都了解,虽然计算能力惊人,不过总是死板的,冷冰冰的机器,必须在人给予具体的步骤后才能完成工作。如何使电脑拥有自主性呢?或者更具体一些,如何让其获得自主学习的能力?一想觉得很难,但其实很简单,只要有一个模拟人脑的算法就可以,即“神经网络”。顾名思义,这个算法的结构类似于人脑,类似于神经元互相联结的网络。

对于人脑,当外界输入信息,比如眼睛看见某种水果,则水果的颜色,形状,花纹等信息经过脑中神经网络的处理后得出是苹果,橘子或是西瓜的结论。

类似地,计算机对从外界输入的信息在神经网络这个算法中进行加减乘除,然后输出结果。大伙肯定会有疑问,人脑如此复杂的结构,怎么可能随随便便就在计算机上设计出来呢?我在接触人工智能前也有这样的困惑,但让我吃惊的是,我们不用管网络具体是什么样子的,电脑在用历史数据进行训练的过程中会自我调节,直到生成一个能完成任务的结构。所谓训练,是将历史数据输入网络,然后将输出的结果和作为导师的参考答案相比较,再根据差距自动调节网络的参数,如此一步步地调整,直到其能够输出令人满意的结果,而完成训练的程序就可以用来预测了。




这和人在训练中完全类似,比如你玩射击类游戏,新手笨手笨脚的,但慢慢地你熟悉了各种操作,最后经过长时间地训练进阶为高手,很多反应都能下意识就给出,其本质也是人脑中负责玩游戏的区域进行了自我调节,有的神经加粗变得敏感了,而有的变得迟钝了。很多的操作记忆通过这种方式被记录了下来。这在计算机程序中表现为网络中某些联结的权重得到了加强而某些又被削弱,程序通过这种方式拥有了记忆。

举一个具体的例子,在证券市场中,最基本的元素是K线图。大家都知道K线有很多组合形态,比如经典的W底,多方炮之类,种类繁多,高手也无法完全熟悉。是否可以用电脑来自主学习K线形态呢?答案是肯定的,而且很简单,这个过程本质上就是学习看图炒股,电脑对此表示没有压力。我们先给一个没有任何特殊的,最一般的网络,然后让电脑利用历史的数据进行学习,看看结果如何,在学习了15秒后,电脑轻轻松松给出了所有典型的K线组合。为简单起见,这里限定考虑4个交易日构成的形态,且没有考虑成交量,数据为06年至今的上证指数每日涨跌幅,共2550组数据,结果如下图,共50种形态(可以人为选择输出的数量,数量少了,误差会很大;数量多了,冗余会多。):



1 - 25 号形态。标题数字的意思是:序号 | 历史出现次数 次日上涨概率 平均涨幅



26 - 50 号形态。标题数字的意思是:序号 | 历史出现次数 次日上涨概率 平均涨幅

细心的读者可能已经发现,这里的学习和前文所述有些区别,原因是事先我们并不知晓有哪些具体的K线组合,电脑在没有导师的情况下,通过自主学习与归纳,总结出了最常见的所有K线形态,很令人惊奇吧?其原理很简单,这里利用了一种竞争学习的方法,即各种形态互相竞争输出的权力,常见的形态数量相对较多,因此在竞争中权重较高,最终获胜并被输出,而不常见的,带有较大偶然性的结果则被淘汰,表现为没有被输出。学习的本质其实和前文类似,都是网络在训练过程中进行了自我调节,直到能够胜任工作为止。

有了所有的基本形态后,行情数据便被转换成了一系列的状态。如图1中的13号即是大家所熟知的W底:



可以看到,样本数据中共出现该形态116次,次日上涨概率为56%,平均涨幅为0.1%

而接下来可能的一种转换模式为:
13 号 转化为 31号,即:



更近一步程序可以得到各状态出现后次日的胜率和期望收益等参数,而有了所需的参数,可以根据凯利公式计算出科学的仓位,以此来均衡收益与风险。凯利公式是利用预期收益,亏损,胜率等信息计算仓位的方法,有个小故事,一次索罗斯的一位基金经理看到某个高收益低风险的机会,并押注100%的仓位,在告知索罗斯后,老索的反应是,“你怎么能只压100%呢?应该至少压200%才对啊!”一般人看到可能会觉得,怎么这么激进?其实根据仓位计算,本来就应该在200%以上,从这个故事可以看出,仓位管理有时候是反直觉的,有个科学的参考仓位对投资是有帮助的。

前述的内容表面上是希望对市场给出预测,但这并不是关键,最重要的是,给出了一个客观标准

你们觉得高手,新手之间最大的差别是什么?心态?不是的,你水平高了心态自然好。我觉得,最关键的区别为:是否拥有一个客观的标准。新人经历的少,对市场的理解拥有很多的偏见,而高手经历过很多的挫折与教育,逐渐形成了对市场客观,偏见较少的认识,换句话说,高手知道市场按照正常情况应该是怎么走的。不要小看这一点,客观的标准非常重要,是作出准确判断和决策的基石。比如,当你发现某只股走势超出预期,在该调整的时候却仍然强势,此时介入将大概率有所收获,或者当你感觉到指数有些奇怪,该上涨的时候却犹豫不前,显出疲态,此时减仓控制仓位就是很好的降低风险的方法。

举个例子,我提取了09年到14年8月这段熊市的数据进行网络训练,然后用训练好的程序对之后一段时间进行正常走势的推测,结果如下图, 蓝色是真实数据,红色是推测值, 可以看到中后部的一段,有很大的误差,其对应的是14年8月29日到9月05日的六连阳,可以这么理解,即这几天的走势远远超出预期,需要深刻思考其产生的原因,这可以让投资者提前对未来行情的巨大转变,即波澜壮阔的杠杆牛做一些准备。



以此看来这个简单的算法,可以成为一个值得重视的智能投资顾问,给投资者带来许多的帮助。


本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

金币:
奖励:
热心:
注册时间:
2013-12-18

回复 使用道具 举报

签到天数: 1121 天

结构深研究炒股要低调金融群英会股市捉妖记股指家园

发表于 2018-8-11 10:15 | 显示全部楼层
想去穷尽所有形态,不如穷尽高低点在时间上出现的频数。
金币:
奖励:
热心:
注册时间:
2015-8-23

回复 使用道具 举报

签到天数: 4 天

发表于 2018-8-28 08:27 | 显示全部楼层
AI应用基础是大数据~~~
木有大数据,搞毛智能
金币:
奖励:
热心:
注册时间:
2007-12-18

回复 使用道具 举报

发表于 2018-8-28 17:06 | 显示全部楼层
用人工智能配合江恩理论,尤其是占星,会很容易实现。
金币:
奖励:
热心:
注册时间:
2018-6-9

回复 使用道具 举报

签到天数: 1121 天

结构深研究炒股要低调金融群英会股市捉妖记股指家园

发表于 2018-8-28 21:34 | 显示全部楼层
人工智能,小数居也可以。
金币:
奖励:
热心:
注册时间:
2015-8-23

回复 使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

本站声明:1、本站所有广告均与MACD无关;2、MACD仅提供交流平台,网友发布信息非MACD观点与意思表达,因网友发布的信息造成任何后果,均与MACD无关。
MACD金融网(1997-2016)官方域名:macd.cn   MACD金融网校(2006-2016)官方域名:macdwx.com
值班热线[9:00—18:00]:020-85551719   24小时网站应急电话:18292674919
找回密码、投诉QQ:89918815 友情链接QQ:95008905 广告商务联系QQ:17017506 电话:18292674919
ICP证: 粤ICP备05022117号 中华人民共和国增值电信业务经营许可证:粤B2-20070280 茂名市网警备案编号: 4409023010508
安全联盟

粤公网安备 44010602000651号

举报|Archiver|手机版|MACD股票论坛 ( 粤ICP备05022117号

GMT+8, 2019-3-26 08:12 , Processed in 0.058726 second(s), 10 queries , MemCache On.

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表