大家好，今天小编关注到一个比较有意思的话题，就是关于公司案例股票分析的问题，于是小编就整理了2个相关介绍公司案例股票分析的解答，让我们一起看看吧。
想做股票，光看基本书是没用的，我在12年入市时，什么都不懂，在新华书店买了是几本有关股票投资的书，有价值投资，巴菲特的，有中证证券出版的讲k线，均线，指标，量的。买了新浪微博上有的名博主的书和选股公式的，后来还买了第一财经出版的著名主持人的书，大多数看了没什么感觉，自己还是买了被套，好在我买的是中小创的票，后来13年创业板指数在2013年就见底走多，自己即使被套的股也能解套还能挣钱，后来就是买了套，套了能涨，虽然自己还是不太明白，为啥买了就套，有时能套一个多月，我每天听股评，看大v的博客，记笔记，虽然自己还是不能避开多头的回调，被套，好在当时的趋势是多头趋势，我总能解套，到15年我挣了100万，股灾后我基本把挣得赔了一多半，真正让我成长的是熊市，后来看了一些视频授课，到现在对自己有用的书是一本讲波浪的书，缠论108和讲kd多周期的书，和一些视频，这是我19年12月分仓买的股，都是周线选股买点在上5周回踩5周的低点上，持股做波段，现在只要指数有上涨我就买主流板块里的个股，有涨50%.有涨40%.最少也能挣20%。有些书在某宝上有卖，为避免说广告我就不说书名了。想了解详细，可以私信我
如果说看书就能炒好股票，那么那些学霸应该都是炒股高手了，而事实并不是这样。股票市场跟很多方面因素是息息相关的，不是靠几张技术图就可以准确预估走势的。
案例可以分析，但没有重复，任何一天的走势都是独一无二的。
电脑计算能力越来越强大，也无法准确汇出走势图。所以还是靠经验和心态。
这个问题是很具有争议的，如果单纯从技术的角度而言，当数据样本足够大，一定可以训练出一种适合的模型。但是这个问题不仅仅是一个纯技术问题，还涉及到很多其他领域的问题。
那么，单纯从技术角度来看，目前技术环境能否满足这个需求呢？其实还是有差距的，首先我们需要足够大的数据样本，那么就目前的股票市场而言，每年产生的数据点也就百万级别，这样的一个数据量根本不足以能够训练出一个可以完美甚至不太完美的预测股票价格的模型。
其次我们假设的是一个理想的环境，股票价格完全是由正常的市场规则决定的，那么当数据量达到一个规模以后，我们可能能够训练出一个合适模型。但是，股票市场并不是一个完全理想的市场，在实际的股票市场上会存在这各种各样的变数，比如会有组织性的恶意注入资金或者撤离资金来影响市场走向，再或者，股票价格会受到公司的突发性变化会影响股票的价格，再或者，股票市场会受到金融业的各种变化所造成的影响，比如银行业的相关调整，而这些变化很可能是政策性的，那么这种类型的变化是无法预测的。再或者，每个国家的政策也会对故事有着不同的影响，比如我国国家对于股市的宏观调控所造成的影响，这些都是主观意识，无法被预测的。
或许有人会说，这些因素也可以加入的模型中，那么如果这样的话，这个模型会达到一个怎样的复杂程度，至少我个人感觉进些年的AI发展无法达到这个程度。至于未来，我们只能期待技术的发展了。
如果是短期预测很难，这就好像问智能算法能不能预测人们的心理一样，股票的价格除了与公司业绩、大环境有关，还和大众的心理有关。连牛顿都说：“我可以预测天体的运动,但无法预测人们的疯狂。”
如果是长期预测还是可以做到的，但也不可能是100%准确。
能预测到一部分走向，但是想完全或者大几率预测准是不可能的，原因是影响股票波动的因素太多了，例如：疫情，一些突发因素，一些人为因素，这些都是些不确定因素，但是很容易影响到股票的波动，所以神经网络智能算法也不能大几率预测股票走向！
毫无疑问，优秀的神经网络模型能够更加准确地预测股票未来走势。
如何才能创建一个优秀的神经网络模型呢？
1． 选择关联度高的因子
举个例子，要预测一个人是男还是女，有以下两组因子可供选择：
A. 头发颜色、皮肤颜色、是否双眼皮
B. 是否长胡子、是否有喉结、体重
这简直就是送分题，选项B几乎能够完全准确的预测出真实结果。
所以要想创建优秀的神经网络模型，必须选择关联度高的因子。
2． 选择合理的神经网络架构
同样的因子，在不同的神经网络架构下，预测出的结果会大不相同。
到此，以上就是小编对于公司案例股票分析的问题就介绍到这了，希望介绍关于公司案例股票分析的2点解答对大家有用。
