【问题标题】：How can I find a standard method of predicting next values of a stock market using Tensorflow?如何找到使用 Tensorflow 预测股票市场下一个价值的标准方法？
【发布时间】：2020-06-05 22:26:30
【问题描述】：

感谢您的阅读。我英语不好。

我想知道如何在模型训练后预测和获取未来的时间序列数据。我想在 N 步后得到值。

我想知道时间序列数据是否已经被正确地学习和预测了。

我如何正确地获得以下（下一个）值？

我想使用 model.predict 或 etc 获得下一个值

我有x_test和x_test[-1] == t，所以下一个值的意思是t+1, t+2, .... t+n,

在这个例子中，我想预测下一个t+1, t+2 ... t+n

首先

我尝试使用股票指数数据

inputs = total_data[len(total_data) - forecast - look_back:]
inputs = scaler.transform(inputs)
X_test = []
for i in range(look_back, inputs.shape[0]):
    X_test.append(inputs[i - look_back:i])
X_test = np.array(X_test)
predicted = model.predict(X_test)

但结果如下所示

X_test[-20:] 的结果与以下 20 个预测结果看起来相同。

我想知道它是否是正确的火车和预测值。

我想知道这是否是正确的训练和预测。

full source

我第一次尝试的方法没有正常工作。

秒

我意识到有问题，我尝试使用另一个官方数据

所以，我使用了 Tensorflow 教程中的时间序列来练习预测模型。

a = y_val[-look_back:] 
for i in range(N-step prediction):                             # predict a new value n times.
    tmp = model.predict(a.reshape(-1, look_back, num_feature)) # predicted value     
    a = a[1:]                                                  # remove first     
    a = np.append(a, tmp)                                      # insert predicted value

以线性回归形式预测的结果与实际数据大不相同。

输出一个独立于真实数据的线性回归：

full source（第 25 行之后是我的代码。）

我真的很好奇预测股市下一个价值的标准方法是什么。

感谢您阅读冗长的问题。我就您的宝贵意见征求意见。

【问题讨论】：

在您投入太多时间之前，请注意：使用机器学习无法预测股市，很多人尝试过，但很多人都失败了。它高度依赖于无法预测的全局事件，因此也无法建模。

标签： tensorflow machine-learning deep-learning

【解决方案1】：

Q：“我怎样才能找到预测股市下一个价值的标准方法...？”

首先-向C64从业者致敬！

接下来，让我说，没有标准方法——不可能有（一个）。

主要是 - 让我从您的共享经验领域中汲取经验 - 人们可以轻松预测层流（一种技术上“有效”的市场工具 - 是模型 A，对于它人们可以推导出更好或更差的预测工具）

然而，对于流体的湍流状态，这将永远行不通（只需阅读为湍流制定多维高阶 PDE 的尝试的复杂性（它仍然只是近似动荡））——这是从根本上“运作”的市场（在一些预期的基本面因素被释放（阅读 NFP 或 CPI）或新闻中宣布了一些快讯之后——（阅读瑞士发布的货币债券）瑞士法郎兑美元平价或塞浦路斯一次性对所有投机性存款征税……金融大爆炸随之而来……）

所以，请不要指望一个更简单的模型，用于合理精确的预测，适用于层流和湍流流体 - 现实世界肯定比这复杂得多：o)

【讨论】：