前文【神经网络】用LSTM/TensorFlow预测上证指数开盘价收到了不少建议，主要是加入特征和变换特征。趁还没有忘记程序逻辑，对这个模型进行了点改造，准确性确实有了提升。
结合优化模型的效果，对于争议比较大的神经网络等AI模型能不能在资本市场赚到钱的问题，我写了自己的理解。如果懒得看中间过程，可以直接看第五部分我的结论。
可能有朋友没看过前文，前文是用LSTM预测上证指数开盘价的AI模型，用到了TensorFlow深度学习框架。
我在前文模型基础上，改出了两个新的模型。第一个模型是输入参数中加入了开盘价，称为模型一。因为开盘价这个特征我之前忽略了，后来发现其实是可以用的。第二个模型是用日对数收益率替代输入特征中的绝对价格，输出也是开盘价日对数收益率，最后再用收益率计算开盘价，称为模型二。由于神经网络有自动提取特征的能力，在输入特征方面我就不加考虑用了绝对价格，忽略可以使用对数收益率这个性质更好的特征。
一.前文模型
前文模型的输入特征是收盘价，最高价，最低价，昨日收盘价，涨跌，涨跌幅，成交量，成交金额，输出特征是明日开盘价。绘制预测开盘价和实际开盘价的图形如下。其中红色是预测开盘价，蓝色是实际开盘价。
前文模型预测与实际对比
计算预测的误差率，并绘制图形如下。其中蓝色是误差率，黄色是误差率均值，绿色是误差率标准差。误差率的均值是0.0159，标准差是0.0298。
前文模型误差率
二.模型一
输入特征加入开盘价，输入特征由8个变为9个。绘制预测开盘价和实际开盘价的图形如下。其中红色是预测开盘价，蓝色是实际开盘价。
模型一预测与实际对比
计算预测的误差率，并绘制图形如下。其中蓝色是误差率，黄色是误差率均值，绿色是误差率标准差。误差率的均值是0.0107，标准差是0.0298。
模型一误差率
三.模型二
使用日对数收益率代替输入特征中的绝对价格。绘制预测收益率和实际收益率的图形如下。其中蓝色是实际收益率，红色是预测收益率。
模型二预测与实际对比
计算预测的收益率误差，并绘制图形如下。其中蓝色是误差，黄色是误差率均值，绿色是误差率标准差。
模型二预测收益率的误差
根据预测收益率计算预测明日开盘价。绘制预测开盘价和实际开盘价的图形如下。其中红色是预测开盘价，蓝色是实际开盘价。
模型二据预测收益率计算的价格与实际价格的对比
计算预测的误差率，并绘制图形如下。其中蓝色是误差率，黄色是误差率均值，绿色是误差率标准差。误差率的均值是-0.001，标准差是0.0105。
模型二反推开盘价的误差率
四.模型比较及评价
对这三个模型进行评价类似对回归模型的评价，一般用RMSE（平方根误差）进行评价。如果直接使用RMSE，计算的是绝对价格误差。我认为绝对价格误差在评价模型效果方面，不如价格误差率。因此本文主要看价格误差率，用的是预测误差率的均值和方差。
误差率均值反映了预测的偏离程度，而标准差才真正代表风险。如果均值很大但是标准差很小，可以认为误差是个固定的值，是很容易对模型进行修正的。
将这三个模型的预测情况进行对比如下表。均值绝对值小，标准差小的模型精度比较高。如果均值很大，说明预测结果相对实际结果有明显的偏离。如果均值绝对值小，但是标准差很大，反应模型预测的偏差很大，但是求均值时恰好正负抵消。
前文模型 模型一 模型二
误差率均值 0.0159 0.0107 -0.001
误差率标准差 0.0298 0.0298 0.0105
从上表可以看出，相对前文模型的预测精度，模型一的精度有小幅度提升，模型二的精度提升幅度较大。
通过优化模型和对比，可以看出：1.对数收益率相对价格，更适合这几个模型。2.虽然神经网络有自动提取特征的能力，但是我们还是要对原始数据进行一定的处理，而不是直接拿原始数据喂入神经网络。
说一下我对这三个模型的真实评价：这三个模型比不过一个略懂股票的人。
效果最好的模型三误差率的均值是-0.001，标准差是0.0105。可以近似理解成，模型三预测的开盘价与实际开盘价比，平均每天差了1%左右。略懂股票的人想得到比这个更精确的预测很容易，直接拿昨天的收盘价作为预测结果就行了。虽然这是这个模型比较简单，但是也包含一些人类很难完成的复杂计算，能看出人类和机器的一些差别。
五.人工智能可以在资本市场赚到钱吗？
神经网络（AI）虽然强大，但有有些方面却远不及人类。人类可以通过学习各类专业知识形成系统的知识体系，再通过实践不断完善知识体系，形成一种专业敏感度，然后基于这些去做分析判断和逻辑推理，是理性与感性的结合，而神经网络（AI）是无法做的。
资本市场是一个很容易受外部干扰，并且干扰因素频繁变动的环境，而神经网络（AI）适合受外部干扰小，且干扰因素稳定的场景。因此对于资本市场而言，神经网络(AI)重要性低于知识体系和敏感度。虽然我不太懂量化交易，但是我觉得能用神经网络(AI)在资本市场获利的人，都是不用神经网络(AI)也能获利的人，纯AI是无法在资本市场获利的。
在资本市场这个江湖中，神经网络(AI)就像一个武器，而知识体系就像是内功。内功深厚的高手用了武器可能会获得优势，从而能够战胜另一个高手，但是如果功力一般的人因为拿了这个武器，就要去挑战高手，还是会被打败。
了解更多欢迎关注我的公众号和专栏。
微信公众号：曲曲菜
知乎专栏：AI和金融模型
原创作品，未标明作者不得转载。
作者公众号二维码
网友评论