人工智能炒股大概是怎么回事?
举一个具体的例子，在证券市场中，最基本的元素是k线图。大家都知道K线有很多组合形态，比如经典W底，多方炮之类，种类繁多，高手也无法完全熟悉。是否可以用电脑来自主学习K线形态呢？答案是肯定的，而且很简单，这个过程本质上就是学习看图炒股，电脑对此表示没有压力。我们先给一个没有任何特殊的，最一般的网络，然后让电脑利用历史的数据进行学习，看看结果如何，在训练了15秒后，电脑轻轻松松给出了所有典型的k线组合。为简单起见，这里限定考虑4个交易日构成的形态，且没有考虑成交量，数据为06年至今的上证指数每日涨跌幅，共2550组数据，结果如下图，共50种形态（可以人为选择输出的数量，数量少了，误差会很大；数量多了，冗余会多。）：
1-25号形态。标题数字的意思是：序号|历史出现次数次日上涨概率平均涨幅
26-50号形态。标题数字的意思是：序号|历史出现次数次日上涨概率平均涨幅
细心的读者可能已经发现，这里的学习和前文所述有些区别，原因是事先我们并不知晓有哪些具体的K线组合，电脑通过自主学习与归纳，总结出了最常见的所有K线形态，很令人惊奇吧？其原理很简单，这里利用了一种竞争学习的方法，即各种形态互相竞争输出的权力，常见的形态数量相对较多，因此在竞争中权重较高，最终获胜并被取得平均结果后输出，而不常见的，带有较大偶然性的结果则被淘汰而被过滤，表现为没有被输出。学习的本质其实和前文类似，都是网络在训练过程中进行了自我调节，直到能够胜任工作为止。
有了所有的基本形态后，行情数据便被转换成了一系列的状态。如图1中的13号即是大家所熟知的W底：
可以看到，样本数据中共出现该形态116次，次日上涨概率为56%，平均涨幅为0.1%
而接下来可能的一种转换模式为：
13号转化为31号，即：
更近一步程序可以得到各状态出现后次日的胜率和期望收益等参数，而有了所需的参数，可以根据凯利公式计算出科学的仓位，以此来均衡收益与风险。凯利公式是利用预期收益，亏损，即胜率等信息计算仓位的方法，有个小故事，一次索罗斯的一位基金经理看到某个高收益低风险的机会，并押注100%的仓位，在告知索罗斯后，老索反应的是，“你怎么能只压100%呢？应该至少压200%才对啊！”一般人看到可能会觉得，怎么这么激进？其实根据仓位计算，本来就应该在200%以上，从这个故事可以看出，仓位管理有时候是反直觉的，有个科学的参考仓位对投资是有帮助的。
前述的内容表面上是希望对市场给出预测，但这并不是关键，最重要的是，给出了一个客观标准。
你们觉得高手，新手之间最大的差别是什么？心态？不是的，你水平高了心态自然好。我觉得，最关键的区别为：是否拥有一个客观的标准。新人经历的少，对市场的理解拥有很多的偏见，而高手经历过很多的挫折与教育，逐渐形成了对市场客观，偏见较少的认识，换句话说，高手知道市场按照正常情况应该是怎么走的。不要小看这一点，客观的标准非常重要，是作出准确判断和决策的基石。具体到交易上来说，当你发现某只股走势超出预期，在该调整的时候却仍然强势，此时介入将大概率有所收获，或者当你感觉到指数有些奇怪，该上涨的时候却犹豫不前，显出疲态，此时减仓控制仓位就是很好的降低风险的方法。
举个例子，我提取了09年到14年8月这段熊市的数据进行网络训练，然后用训练好的程序对之后一段时间的行情进行正常走势的推测，结果如下图，蓝色是真实数据，红色是推测值，可以看到中后部的一段，有很大的误差，其对应的是14年8月29日到9月05日的六连阳，可以这么理解，即这几天的走势完全超出预期，需要深刻思考其产生的原因，这可以让投资者提前对未来行情的巨大转变，即波澜壮阔的杠杆牛做一些准备。
以此看来这个简单的算法，可以成为一个值得重视的智能投资顾问，给投资者带来许多的帮助。
此文所述为人工智能领域最基础，最浅薄的内容。有兴趣的朋友请联系我进行更多的交流，共同进步，谢谢！
$重建(ZH185989)$
$短线(ZH201028)$
@Janu68返回搜狐，查看更多
人工智能原理
人工智能是国内外著名大学计算机专业设置的骨干课之一，也是国内外著名高校和研究机构的主要研究方向之一。人工智能研究如何用计算机软件和硬件去实现Agent的感知、决策与智能行为，其理论基础表现为搜索、推理、规划和学习，应用领域包括计算机视觉、图像分析、模式识别、专家系统、自动规划、智能搜索、计算机博弈、智能控制、机器人学、自然语言处理、社交网络、数据挖掘、虚拟现实等。
本课程在系统回顾人工智能发展历程的基础上，重点介绍人工智能的核心思想、基本理论，基本方法与部分应用。课程以该英文原版教材为主，并根据人工智能、特别是机器学习领域的发展和变化，编撰和充实了大量的内容。本课程共有12讲，采用双语教学，即中英文PPT和中英文作业等、中文讲授和交流。