股市涨跌的秘密

本文利用神经网络对股市的预测结果作为分析的对象,打开神经网络的黑箱,找到股市中涨跌的秘密。

量价特征

想要预测股市涨跌,就需要了解在股票上涨和下跌的时候,前一天发生了什么。就好像我们想要预测明天天气的时候,总会想尽办法找到过去几十年甚至几百年下雨的前一段时间都有哪些征兆。预测股票也一样,我们需要想尽一切办法找到某只股票过去几年里面价格上涨的前一天都有哪些特征,越全面越好。

找特征不是一件简单的事情,有效的特征可以为我们增加预测的精准度,而无效的特征会对训练造成干扰。首先从最简单的量价特征开始,即今天的股票的价格变化和交易量变化。

为什么是这两个特征?我的理论依据是市场所有的信息最终都会体现在今天的交易价格和交易量上。这两个特征一定是有效的特征。

为了让预测更加准确,我们加上一个五日均价变化,体现股票最近一段时间的价格变化趋势。

为了尽可能减少可能存在的人为操控股市的影响,我选择了沪深300指数作为分析对象,沪深300整体交易量大,波动小,比较适合分析。

构建一个单层一个节点的网络,如下图,这样训练得到的结果得出来的参数我们会有一个直观的印象。


假设R是股票明日的最终涨跌情况,涨为1、跌为0,那么这个网络想要表示的就是价格变化,量变化,五日均价变化分别和未来的涨跌到底是正相关还是负相关。

经过2000次的训练,得到了k1,k2,k3的值,如下:

[[-0.05615718]
 [-1.96229   ]
 [ 0.30161068]]

这个模型的准确率最高只有57%-60%。意味着10次预测,可能只有6次是准确的。虽然准确率不高,但是对于我们揭开股市涨跌的秘密还是有帮助的。

这三个权值就比较有意思,从训练出来的值来看,k1、k2是负数,意味着未来的涨幅和今日量价成负相关,k3是正数,意味着未来的涨幅和今日的量价成正相关。

举个例子,如果今天的量和价都涨,那么乘k1、k2这个负系数,那么整体就往反方向走。如果量和价有一个下跌,那么乘k1、k2这个负系数,整体就往涨的方向上走。

上面的结论可以得出一些推论

推论一:在一个连续上涨的股票中,如果交易量一直在下跌,那么未来可能会继续涨,反之,如果量比较稳定或者量缓慢上涨,那么未来下跌的概率会逐渐增加。

推论二:在一个连续下跌的股票中,如果量一直在涨,那么未来可能还会继续下跌,反之,如果量一直很稳定或者量缓慢下跌,那么未来上涨的概率会逐渐增加。

你可能听到很多专家分析股票,各种线画的比我这个神经网络好看的多,但我认为这些都过于主观,有种一厢情愿的感觉,规律可不会按照你的想法去运行。但上面的这些推论不是我坐在电脑前主观想象出来的,而是根据神经网络训练出来的参数得到的。

结论

如果我们把股票看作是一个商品,那么其实马克思在200多年前就已经告诉我们了:价格是围绕价值波动的,当供不应求,价格就会上涨,当供过于求,价格就会下跌。

在一个稳定的市场环境,股票实际上可以看作是一种商品,当上涨期间,交易量巨大,那就说明供过于求,价格下跌的风险自然就会增加,交易量萎缩,自然就是供不应求,下跌风险自然就会小很多。

定性的分析能让我们把握价格波动的规律,而定量的分析则能够让我们找到涨跌的秘密,k1, k2, k3…这些参数就是股市涨跌的秘密。

赞赏

微信赞赏支付宝赞赏

技术文

发表评论

邮箱地址不会被公开。 必填项已用*标注