大家好，今天小编关注到一个比较有意思的话题，就是关于learn股票分析的问题，于是小编就整理了1个相关介绍learn股票分析的解答，让我们一起看看吧。
“预测”是人类最希望拥有的技能之一，随着计算机技术特别是机器学习技术的使用，我们在很多方面都能较好做到“预测”。这些“预测”的本质是，基于已有的观测，给出风险最小的估计，并且这个估计的风险是在已观测数据中风险最小。这里的一个隐含假设是，已观测数据分布与未来的数据分布大致相同。如果不同，估计明天会失效。具体到“股票预测”这件事情上，“机器学习”是否靠谱就能大致了解。
但实际上这不足以理解到底“靠谱”。影响机器学习靠谱程度的另一个重要因素是，训练数据特征是否包含了数据结果的绝大多数原因。以股票来说，引起涨跌的原因非常多:常见的有政策、利息、当前买卖手等。如果构造机器学习，我们应当尽可能吧这些引起涨跌的因素找到。但实际上，股票涨跌因素太多太多，甚至华尔街的一些人需要搞自然语言处理作为模型的一部分去预测涨跌。因此我觉得，机器学习预测股票还有迹可循，区别在于模型复杂程度。
不过以我搞比特币的自动交易经验来看，最好的投资不是预测，而是看好大趋势放长线。想预测，只不过是想套利而已，急于求成最后又累又得不到什么。
机器学习的预测，其实只是探寻或者说是拟合数据中的规律，然后做出预测。但是股票这种情况，人为干预的因素太大，也就是市场因素太大。所以机器学习根本不可能用在股票预测上。机器学习用在一些自然的，没人为干预的数据会准确。
这里的股票预测其实是在问 有没有一个固定的方法能知道股票的走势
答案是不管是技术分析 基本面 还是机器学习做量化 不太可能对股票预测有一个统一固定的解决方案
股市其实是人和人的相互博弈，他不是一个静态的问题 我们在运用更先进的工具进行分析的同时 参与博弈的对手也在运用更先进的工具进行分析 这样的动态博弈过程必然要求我们有针对性的对分析方法进行改变 机器学习在这里只能是帮助我们更高效的发现博弈中的优势点 更精准的进行分析决策 一个策略可能在某一段时间内是有效的 但经过一段时间后市场和对手都会改变 策略也会相应的实效 这时候需要调整策略和发现新的策略 目前机器学习还无法做到自动发现市场的潜在商机设计策略 所以还是需要人参与主导 机器学习只能是一个高效的工具帮助人去更好的挖掘信息指定策略 而这时候机器学习作为一个工具 它是否靠谱主要取决于使用这个工具的人 而不是这个工具本身 就像羽毛球打的好不好不在于球拍 而是运动员
用“机器学习”的方法去学习股价涨跌 -- 这个问题已经被无数的人思考，并且实践过了。但不意味着没有价值。这个问题其实可以分为两个部分：1. 股市可以预测吗?2. 假如可以预测，用机器学习的方法去预测可以吗?先回答第一个:股市的涨跌可以预测吗?
股市的价格变化，事实就是一个随时间变化的序列。Price = Market(t)只要把这个函数写出来就可以预测股价了。这个函数是什么样子的? 我们可以尝试用N个模型(线性，非线性, 概率)来进行逼近。如果股价的变化是符合这几个模型的，那么在有足够多的训练数据的情况下，股价将被模拟出来。但是事实是，在尝试过许多许多模型的情况下，这些模型几乎没能预测股价的变化，有的模型只能在特定的区间能做一些不是十分精准的预测。
先讨论一下Reinforcement Learning, 这个算法基于马尔可夫性，从一个状态预测下一个状态，但是股价的涨跌具有强烈的马尔可夫性吗?也就是上一时刻的股价与下一个时刻的股价间有必然的联系吗?应该是不太大。这种基于N阶马尔可夫性的系统对于股价的分析很不利。而且假如只使用股价的历史数据进行模型的训练的话，准确度可以说几乎为0。影响股价的因素不仅仅是历史股价，还有更多的因素，公司的近况，股民对股票的态度，政策的影响等等。所以许多人会从这方面进行入手，用人工智能提供的快速计算能力，使用合适的模型，来量化这些因素，例如, (政策X出台, 可能会对股价造成变化y元)。还有在一些有趣的预测股价方法大都有基于语义分析, 分析股民对某支股票的评论，对某个事件的情绪等等，以此来预测股价的涨跌。等等 当你的模型将所有的因素全都考虑进来, 那么股价的预测就唾手可得了。股价 = f(政策因素, 公司情况，市场因素, 历史股价，上一年历史股价, 某个股民自杀的影响...)这些因素到底有多少? 它们之间会如何影响，这才是问题的关键。在某些稳定的情况下，我们是可以做大概的预测的，但是有很多时候，会不准确，这是因为，你的模型 永远不可能把所有的 因素都考虑进来。而且你也不会知道 还会有什么因素会影响股价的波动。在这么多的因素，和因素与因素间还会产生互相影响的情况下。股价的模型将会变得极其复杂。
到此，以上就是小编对于learn股票分析的问题就介绍到这了，希望介绍关于learn股票分析的1点解答对大家有用。
