利用AI炒股开挂!这届程序员真会玩

开源最前线(ID:OpenSourceTop) 猿妹 整编

链接:https://github.com/borisbanushev/stockpredictionai

用深度学习预测股票价格想过去有些不明觉厉,但已经不是什么新鲜事了,今天猿妹和大家分享一个股票预测模型,收集了机器学习和股票预测的深度学习模型,包括交易机器人和(股票)模拟。


想要准确预测股票市场是一项复杂的任务,因为有数百万个因素和先决条件会影响股票的走势,所以这个模型需要尽可能多的捕捉到这些先决条件,同时还需要作出几个重要的先决假设:1)市场不是100%随机的,2)历史重复,3)市场遵循人们的理性行为,4)市场是“完美的”。


创建者以高盛公司为例子,预测高盛的股票走势,使用 2010 年 1 月 1 日至 2018 年 12 月 31 日的日收盘价作为训练(七年)和测试(两年)数据。


为了创建所有神经网络,创建者使用MXNet及其高级API - Gluon,并在多个GPU上进行训练。整体架构如下:



GitHub上还给出了详细的教程介绍每一个步骤,创建者表示最困难的部分是GAN,想要成功训练GAN最难的部分就是获得正确的超参数集。出于这个原因,创建者使用贝叶斯优化(带有高斯过程的贝叶斯优化)和强化学习(RL)来决定何时以及如何改变GAN的超参数。在创建强化学习时,也利用到一些最新的技术,例如Rainbow和PPO。


除了股票的历史交易数据和技术指标,创建者还NLP 中的 BERT 来创建情绪分析模型(作为基本面分析的来源),傅立叶变换用于提取整体趋势方向......只为捕获尽可能多的关于股票的信息,模式,依赖关系等。众所周知,数据越多越好。


集体过程我们就不过多赘述了,直接看结果:


绘制第一次训练之后的结果



绘制 50 次训练后的结果



绘制 200 次训练后的结果



RL 运行了 10 eposide ,本文定义一个 eposide 是 GAN 完整训练 200 次后,下图是得到的最终的结果



对整个教程感兴趣的,可以到GitHub一探究竟。至于准确率如何,试过就知道了



目前,该项目已经获得 863 个Star,378 个Fork(GitHub地址:https://github.com/borisbanushev/stockpredictionai

推荐↓↓↓
人工智能与大数据
上一篇:Django使用Channels实现WebSocket 下一篇:英伟达又现神操作,程序员也能成画家!