大家好，今天小编关注到一个比较有意思的话题，就是关于股票行情预测算法的问题，于是小编就整理了1个相关介绍股票行情预测算法的解答，让我们一起看看吧。
以神经网络为核心的智能算法是否可以预测股票价格？
毫无疑问，优秀的神经网络模型能够更加准确地预测股票未来走势。
如何才能创建一个优秀的神经网络模型呢？
1． 选择关联度高的因子
举个例子，要预测一个人是男还是女，有以下两组因子可供选择：
A. 头发颜色、皮肤颜色、是否双眼皮
B. 是否长胡子、是否有喉结、体重
这简直就是送分题，选项B几乎能够完全准确的预测出真实结果。
所以要想创建优秀的神经网络模型，必须选择关联度高的因子。
2． 选择合理的神经网络架构
同样的因子，在不同的神经网络架构下，预测出的结果会大不相同。
结构过于简单，会存在“欠拟合”的情况，简单说就是该分析出来的没分析出来；结构过于复杂，又会出现“过拟合”的情况，简单说就是不该分析出来的分析出来了。恰到好处的网络结构，才能够分析出想要的结果。
以过拟合举个例子：
一名学生，生活在一个偏远的A村，考上了城里的B高中，他是村子有史以来唯一考上B高中的人，高考后，又如愿考上了清华大学。
如果模型出现过拟合，就会认为：“生活在A村”并且“就读于B高中”的人，100%能够考上清华大学。这是事实，但显然不是我们想要的结论。
直接上图：
巴菲特，公认的投资大师，在过去的20年平均回报率高达20%；詹姆斯.西蒙斯，运用他的量化模型，1989-2009年，平均回报率约35%。
神经网络模型预测股票走势必将大势所趋。
关注我！
用数据说话，探索投资方向。
能预测到一部分走向，但是想完全或者大几率预测准是不可能的，原因是影响股票波动的因素太多了，例如：疫情，一些突发因素，一些人为因素，这些都是些不确定因素，但是很容易影响到股票的波动，所以神经网络智能算法也不能大几率预测股票走向！
这个问题是很具有争议的，如果单纯从技术的角度而言，当数据样本足够大，一定可以训练出一种适合的模型。但是这个问题不仅仅是一个纯技术问题，还涉及到很多其他领域的问题。
那么，单纯从技术角度来看，目前技术环境能否满足这个需求呢？其实还是有差距的，首先我们需要足够大的数据样本，那么就目前的股票市场而言，每年产生的数据点也就百万级别，这样的一个数据量根本不足以能够训练出一个可以完美甚至不太完美的预测股票价格的模型。
其次我们假设的是一个理想的环境，股票价格完全是由正常的市场规则决定的，那么当数据量达到一个规模以后，我们可能能够训练出一个合适模型。但是，股票市场并不是一个完全理想的市场，在实际的股票市场上会存在这各种各样的变数，比如会有组织性的恶意注入资金或者撤离资金来影响市场走向，再或者，股票价格会受到公司的突发性变化会影响股票的价格，再或者，股票市场会受到金融业的各种变化所造成的影响，比如银行业的相关调整，而这些变化很可能是政策性的，那么这种类型的变化是无法预测的。再或者，每个国家的政策也会对故事有着不同的影响，比如我国国家对于股市的宏观调控所造成的影响，这些都是主观意识，无法被预测的。
或许有人会说，这些因素也可以加入的模型中，那么如果这样的话，这个模型会达到一个怎样的复杂程度，至少我个人感觉进些年的AI发展无法达到这个程度。至于未来，我们只能期待技术的发展了。
如果是短期预测很难，这就好像问智能算法能不能预测人们的心理一样，股票的价格除了与公司业绩、大环境有关，还和大众的心理有关。连牛顿都说：“我可以预测天体的运动,但无法预测人们的疯狂。”
如果是长期预测还是可以做到的，但也不可能是100%准确。
到此，以上就是小编对于股票行情预测算法的问题就介绍到这了，希望介绍关于股票行情预测算法的1点解答对大家有用。