得，今天就来聊聊我自个儿折腾股票预测算法那点事儿。一开始就是看着别人说能用算法预测股票涨跌，心里痒痒，想着能不能也搞一个，不说发大财，起码提高点胜率也行。
我的瞎折腾之路
第一步：先是瞎看乱撞
刚开始嘛啥也不懂，就上网到处搜。嚯，各种名词儿，什么“技术分析”、“量化交易”、“机器学习”、“深度学习”，看得我眼花缭乱。感觉好像挺高大上，又好像不太靠谱。
我看很多人提“技术分析”，说什么看K线图、均线、MACD、成交量啥的。我也跟着学点皮毛，对着K线图比比划划。感觉这玩意儿，事后诸葛亮挺准，但真要预测明天咋走，心里还是没底。有时候看着像要涨，结果第二天就给你来个大跳水。
第二步：决定自己动手搞代码
觉得光看图不行，还是得整点实在的。看网上说Python搞这个方便，库多。行，那就学呗。我以前有点编程底子，但不多。于是就开始装环境、装库，什么`pandas`处理数据、`numpy`搞计算、`matplotlib`画图，还有搞机器学习的`scikit-learn`。
- 找数据：这是头一步，也是挺烦的一步。得找到靠谱的股票历史数据，日线、分钟线，开盘价、收盘价、最高最低价、成交量这些。找好几个地方，数据格式还不一样，清洗、对齐就花不少功夫。
- 选特征：光有价格成交量还不够，得整点“特征”出来让机器学。我就琢磨着把那些技术指标，比如算个5日均线、10日均线差值，算个RSI啥的，加进去当特征。反正就是拍脑袋想，觉得可能有用的就试试。
第三步：尝试简单的机器学习模型
数据和特征准备得差不多，就开始上模型。先从简单的来，`scikit-learn`里面那一套，什么线性回归、支持向量机（SVM）、随机森林。代码网上抄抄改改，把数据喂进去训练，然后做个预测。
跑是能跑起来，结果嘛… 怎么说，感觉也就那样。有时候预测得还行，有时候偏差老大。而且感觉模型好像只是学到历史数据的某种“模式”，对未来的预测能力很有限。尤其是市场一有啥风吹草动，模型预测基本就废。
第四步：听说深度学习很牛？
看很多人吹深度学习，特别是那个叫LSTM（长短期记忆网络）的，说搞时间序列预测特别厉害。得，那我也跟风试试。这个比之前的机器学习模型复杂多，得用`TensorFlow`或者`PyTorch`这些框架。搭网络结构、调参数、训练模型，电脑风扇呜呜转，一跑就是好几个小时甚至几天。
过程是真痛苦：
- 数据要处理成它特定的格式。
- 模型结构得自己设计，或者找别人的改。
- 参数贼多，学习率、隐藏层大小、层数什么的，调起来跟炼丹一样。
- 训练很慢，还得防止“过拟合”，就是模型在训练数据上表现特但一用新数据就不行。
搞明白
折腾小半年，我的感受是：
这玩意儿技术门槛不低。 不光要会编程，还得懂点金融知识，懂点算法，数据处理能力也得强。不是随便下个代码跑跑就行的。
效果真的不神奇。 我试那么多方法，回测（就是用历史数据测试模型效果）看着可能还行，收益率曲线挺漂亮。但一到模拟盘或者小资金实盘试试，就发现不是那么回事。市场是活的，影响因素太多，光靠历史数据和几个技术指标想准确预测未来，太难。
算法顶多是个辅助。 可能在某些特定场景下，或者作为交易策略的一部分，能起点作用。但想靠一个“预测算法”就躺着赚钱，我觉得基本不现实。至少以我目前的水平是远远做不到的。
我现在对这些“股票预测算法”没那么迷信。感觉还是得老老实实研究公司基本面，或者结合市场情绪、消息面啥的综合判断。代码还是会继续写的，不过更多是用来做数据分析、策略回测的工具，而不是指望它给我报个“财富密码”。
这就算是我这段时间的实践记录，纯属个人体验，不一定对，给大家看个乐呵，也算提个醒。
还没有评论，来说两句吧...