大家好，今天小编关注到一个比较有意思的话题，就是关于lstm分析股票的问题，于是小编就整理了1个相关介绍lstm分析股票的解答，让我们一起看看吧。
给你讲个段子！真实的！
我去一家量化交易公司实习，一次meeting中，我和老总还有一个资深大佬谈机器学习在股票和期货里面的应用。
我：LSTM在时间序列上应用的效果比较好，我们可以尝试把LSTM应用在股票预测上。
此时，大佬在阴笑，老总默不作声...
我：你为啥笑
大佬: 不work啊！
我：为什么不work？！
这时老总也在旁边强掩笑容,大佬终于忍不住说了，有两个原因，第一个是你如何保证你的因子有效？
老总就补充到：对啊，你的模型很可能garbage in garbage out.
金融市场是各方博弈的结果，不是它有什么自然规律的涨跌，更不存在预测。它的涨跌，有一大部分是庄家可操纵的结果。如果你不入市，那你的预测可能是准确的。一旦你入市，你的资本变成了别人的棋子
可以，但是效果并不是很好……
本人用RNN写过一次股票预测，不过数据源只有股票的历史价格，显然我做出来的效果并不是很好。
个人觉得一方面市场受太多因素决定；其次数据源单一，并不能简单的从股票价格方面进行预测。
这玩意儿做回测的时候，可以说效果非常好，但是正儿八经扔到实盘里面的时候，可能无法好的应对市场吧。
而且你也不太好解释你的训练结果……
不过单纯的线性模型，我觉得还是可以试一试的。
如果给定一组股价数据集我们是不是有可能预测出未来的股价走势？从机器学习的角度来说，预测股价走势就是一个数据科学问题，但从有效市场理论来说，股票市场因为受众多因素影响是随机的和不可预测的。
在本文中我们将尝试使用三种不同的模型来预测苹果公司的股价，并且我们会把这三种模型的结果绘制在一张图上以进行比较。因此，本文主要将分为如下四部分：
安装依赖项
收集数据
编写模型脚本
可视化分析
下面是本实现所需要的四个依赖项：
pip install csv
pip install numpy
pip install scikit-learn
到此，以上就是小编对于lstm分析股票的问题就介绍到这了，希望介绍关于lstm分析股票的1点解答对大家有用。
