1. 深度學習做股票預測靠譜嗎
去學習正確的技術面籌碼面知識
制定嚴格的止盈止損紀律 利用學會的東西建立一套高成功率的交易系統
當你能長期保持小賺+小賠+大賺 自信自然就有了
但是記得 只小賠 依靠的就是止損策略的嚴格執行
買入就跌 或者買入3天不漲 代表你分析的錯誤 錯了就要認
記住學知識不是網路出來的那些大路貨色
而是能拉出來在行情中實證 驗證 成功率在七成以上的技術分析方法
舉個例子
陽線吞噬 就是陽包陰 無論你在哪裡找的知識 都會告訴你後市看多吧
但在A股二十年的統計中 陽線吞噬之後的走勢 漲跌對半的概率 那麼這種技術分析有用么？
更不要說 如果一段上漲後出現的陽線吞噬 叫做雙人殉情 後市七成要下跌 比如2638之後出現的那2次 和1月9日3147那一次
相反的例子是貫穿線 後市上漲的概率超過七成 你看看創業板這幾個月出現的三次貫穿線 是不是每次都出現短線反彈？ 包括這次1月17日的
這還只是K線 還有成交量 籌碼面 形態等等綜合知識去研判的方法
2. 深度學習人工智慧交易需要什麼電腦和軟體
深度學習人工智慧交易需要什麼電腦和軟體深入的學習人工智慧需要一個非常好的電腦像微軟的電腦還是華碩的電腦都可以需要非常智能的軟體。
3. 如何做好t+0交易之深度學習 邢者
4. 深度學習方法能用來炒股嗎
當然能了！我就是做股市大數據的
5. 運用深度學習演算法來炒股是不是會提高預測的准確率
是的呢，RC智能雲 比較好用
6. 3分鍾了解深度學習跟量化交易是什麼關系
量化交易其實比較依賴大數據，可以來（名字）學下區間交易，是日內交易的一種，原理簡單，比較適合解套，提高盈利概率的
7. 深度學習炒股會賺錢嗎
炒股和勤奮有關系，炒股和學習有關系。但是關系都非常非常的小。
炒股賺錢，最大的關系是資金，和運氣。
謝謝你的提問
望採納
8. 3分鍾了解深度學習跟量化交易是什麼關系
機器學習怎樣應用於量化交易（一）
曾有朋友問過，國內現在量化領域機器學習應用的少，是否因為效果不如簡單的策略。其實，把機器學習應用在量化交易上始終面臨著兩難，卻並不是無解的兩難。很多時候並不是機器學習不work，而是真正懂如何用正確科學的統計思維使用Machine Learning的人才太少。機器學習涉及到特徵選擇、特徵工程、模型選擇、數據預處理、結果的驗證和分析等一整套建模流程，廣義角度來說就不單單是模型選擇的問題。所以，如果認為「用支持向量機成功預測股票漲跌」 這樣的研究，就是把機器學習應用於量化交易，這種狹義的認識無疑是買櫝還珠，對機器學習領域散落遍地的珍珠視而不見。如果把機器學習的崛起放在歷史進程中考量，無非就是趨勢的延續：現在，可通過系統的數據分析證實過去模糊不定的經驗，機器學習演算法將未曾被察覺的規律得以浮現紙面。在我看來，未來的發展概有兩個方向：1.針對量化交易的統計學習演算法被提出，使其適合於雜訊大，分布不穩定的金融數據分析；2.對於機器學習的熱情回歸理性，從工具為導向回歸到問題為導向。針對如何以問題為導向，在機器學習演算法中挑選合適的工具，分享一些思路。1.多因子模型的因子權重計算當我們在構建多因子模型且已經選定了一系列因子之後，要如何根據不同的市場情況調整各個因子的權重呢？在以往的研究中發現，與其它演算法相比較，隨機森林演算法對於存在非線性、噪音和自變數共線性的訓練集的分析結果更出色。所以，目前在多因子模型的權重上，採用當期收益率對上期因子進行隨機森林回歸分析，以確定下一期多因子模型的因子權重。2.缺失值處理處理缺失值在金融的量化分析中是個無可避免的問題。選取合理的缺失值處理方法，依賴於數據本身的特點、數據缺失的情況、其對應的經濟學意義，以及我們需要使用數據進行何種計算。在嘗試構建多因子模型時，我們選擇了兩種缺失值替換方法：（1）採用期望最大化演算法 來用同一變數的已知數據對缺失值進行極大似然估計。（2）把模型中包含的所有因子作為特徵變數，並賦予其相同的權重，再採用機器學習中的K-近鄰演算法來尋找最相似的標的，保證缺失值替換後，不會強化一部分因子的影響力。其實在量化領域，機器學習解決著線性模型天生的缺陷或弊端，所以還是有著很深的介入的。除去凸優化、降維(提取市場特徵)等領域的應用，目前「非動態性」和「非線性」是兩個重要的弊端。金融關系之間並非靜態，很多時候也不是線性的。統計學習的優勢此時就會體現出來，它們能夠迅速地適應市場，或者用一種更「准確的」方式來描述市場。在國內，機器學習在量化內應用跟領域有很大的關系，跟頻率也有很大的關系。比如，CTA的運用可能就要多於股票，它處理數據的維度要遠小於股票，獲取市場的長度和動態又強於股票。股票市場的momentum要弱於期貨市場的momentum，它的趨勢與股票相比更明顯和低雜訊。這些特徵對於機器學習發揮作用都更加有利。很可能國內一些交易執行演算法的設計上就借鑒了機器學習。我們可以通過學習訂單薄特徵，對下一期盤口變化做一些概率上的預測，經過一定樣本的訓練之後，可以顯著地提升演算法表現。而我仍謹慎看好深度學習等機器學習方法的原因在於，在認識市場上，現行的大部分方法與這些方法並不在一個維度上，這個優勢讓它們與其他方法相比，捕捉到更多的收益。也就是說，一個新的認識市場的角度才能帶來alpha。
9. 如何用深度學習來預測明天的股票趨勢
學會用比較法則選擇主流板塊主流股，懂得利用正確的技術分析籌碼分析知識來針對不同主力類型的股票計算合理買賣點，有合適的止盈止損策略，嚴格按紀律操作。
但是記得，正確的技術分析知識不是你買本書或者網上查的那種，比如黑三兵這樣的k線組合，你在哪裡查資料都是說後市看跌把，上證八月九日開始就是黑三兵，然後一直漲到現在
10. 深度學習方法能用來炒股嗎
不能。
炒股主要是跟人性做斗爭，而不是深度學習。
經濟學教授炒股虧得一塌糊塗的多了去了。