用深度學習預測股票價格想過去有些不明覺厲，但已經不是什么新鮮事了，今天猿妹和大家分享一個股票預測模型，收集了機器學習和股票預測的深度學習模型，包括交易機器人和(股票)模擬。

想要準確預測股票市場是一項復雜的任務，因為有數百萬個因素和先決條件會影響股票的走勢，所以這個模型需要盡可能多的捕捉到這些先決條件，同時還需要作出幾個重要的先決假設：1)市場不是100%隨機的，2)歷史重復，3)市場遵循人們的理性行為，4)市場是“非常好”。

創建者以高盛公司為例子，預測高盛的股票走勢，使用 2010 年 1 月 1 日至 2018 年 12 月 31 日的日收盤價作為訓練(七年)和測試(兩年)數據。

為了創建所有神經網絡，創建者使用MXNet及其高級API - Gluon，并在多個GPU上進行訓練。整體架構如下：

GitHub上還給出了詳細的教程介紹每一個步驟，創建者表示最困難的部分是GAN，想要成功訓練GAN最難的部分就是獲得正確的超參數集。出于這個原因，創建者使用貝葉斯優化(帶有高斯過程的貝葉斯優化)和強化學習(RL)來決定何時以及如何改變GAN的超參數。在創建強化學習時，也利用到一些技術，例如Rainbow和PPO。

除了股票的歷史交易數據和技術指標，創建者還NLP 中的 BERT 來創建情緒分析模型(作為基本面分析的來源)，傅立葉變換用于提取整體趨勢方向......只為捕獲盡可能多的關于股票的信息，模式，依賴關系等。眾所周知，數據越多越好。

集體過程我們就不過多贅述了，直接看結果：

繪制訓練之后的結果

繪制 50 次訓練后的結果

繪制 200 次訓練后的結果

RL 運行了 10 eposide ，本文定義一個 eposide 是 GAN 完整訓練 200 次后，下圖是得到的最終的結果

對整個教程感興趣的，可以到GitHub一探究竟。至于準確率如何，試過就知道了

目前，該項目已經獲得 863 個Star，378 個Fork(GitHub地址：https://github.com/borisbanushev/stockpredictionai)