求交流 - 机器学究竟能帮我们预测什么?

本人从17年开始接触机器学，编程也从Java转到Python上来，虽然开始有些不惯，后来还是慢慢喜欢上了它。之后就开始考虑如何使用深度学模型来发现金融 交易的秘密，也写了一些代码，但都不是真正意义上的机器学，而是过去90年代流行的人工智能 或模式识别技术。

后来想使用算法来模拟人类的感觉模型，这个想法建立在我自己的经验和认知之上，因为人类在学很多东西的时候都是通过自己的感觉来调整做法，从而提供技能水平。比如有20炒股经验的股民就会好过新手，或者打了10年乒乓球的人就会比初学者好很多，原因就是通过感觉来不断调整不断提高自身水平。但是在阅读了相关科技论文之后发现模拟人类感觉模型还处在非常初级的阶段，还没有任何可以利用的成果，更不用说代码模块。自己从零开始将是一件工程量巨大的工作，于是又回到机器学的领域。

经过一段时间的研究，我从2020年初开始设计编写外汇交易算法，用的是比较“笨”的机器学方法，针对6种货币对的上涨下跌趋势制作了训练样本（上升趋势、下跌趋势、波动行情），分别针对15分钟、1小时和日K线制作。但在交易过程中发现成功率好的时候勉强盈利，不好的时候亏损。即使盈利，幅度也很小，一旦亏损，一次就把以前的盈利抹平。这样也没有放弃，为了提高盈利，又增加了技术指标的使用，提高了准确率。但是新的问题是触发交易的次数大幅下降，每周没有几次成交。索性分开2种交易触发条件，一是机器学模型触发，一是纯靠技术指标触发，这样提高了交易次数，盈利情况变成21周有17次盈利，4次亏损。加到一起，虽然是盈利，但仍然不是很理想。

从今年开始断断续续研究针对A股市场如何使用深度学来做股票交易。先后使用Datayes和Baostock上下载股票的历史数据，开始用几个不同的模型来预测第二天的收盘价、涨跌幅等等，但是结果非常不理想。lsmt是大家公认的时间序列分析预测模型，但是实际效果都不如mlp的准确度（mlp又称多层神经网络，它有的时候可以准确到“角”一级）。后来又尝试了在机器学竞赛平台Kaggle上多次表现出众的xgboost模型，效果还是不如mlp。这就引发了一个深层次的问题，机器学可能无法预测涨跌幅和收盘价这样的数据，因为它们跟太多的变量有关，我选用的无非是7-8个特征变量，包括昨收、今开、最高、最低、成交量、换手率等等。可我还是不死心，因为我的确感受到了深度学模型的某些超强能力，只是要把它用对地方。比如，我本人可以用眼睛来根据日k图和成 交量来大致判断哪些股票会继续上涨甚至在接下来的一周会出现涨停，在我的自选股里出现了大约30%的涨停股。但无法预测哪只股票会第二天涨停。我想来想去还是觉得需要跟懂股票的朋友交流一下，听一听大家的建议，多谢指点！