這個簡陋的網站是我做的簡單幾個功能
1.股票走勢圖配上買賣點2.近期買賣信號機率
參考自這篇論文:
這篇論文主要介紹的是用CNN去預測ETF
他們用15個技術指標 X 15 天，產生出一個 15×15 的影像，將這個影像丟入 CNN 神經網路中做訓練，下圖就是神經網路所「看到」的input：
這個怎麼看呢? 又為何要這樣用呢
想想一般技術分析怎麼做的
技術分析是計算多種技術指標
例如 RSI MACD 等等
再參考這些技術指標的變化去做漲跌預測
而上面這些圖片其實都是15X15的矩陣 為何是15X15
因為有15種技術指標 X 15 天
模型訓練除了輸入還要有輸出(label)
label就是判斷一段時間後的漲跌是否超過某個閥值
例如我可以這樣設定
利用python可以很輕易取得數據
之後把數據標上label
計算技術指標
特徵縮放
定義模型
訓練
混淆矩陣
分類報告
模型做好之後剪一個簡陋的網站
<body>
<div class="container">
<h1>📈 CNN 股票預測系統</h1>
<form method="get" action="/">
<button type="submit" class="refresh-button">🔄 更新預測</button>
</form>
<div class="predict_result">
<!-- 嵌入互動圖表 -->
<iframe src="{{ url_for('static', filename='predict_result.html') }}" width="100%" height="500px" style="border:none;"></iframe>
</div>
<h2>📊 近期買賣信號機率</h2>
<table>
<tr>
<th>日期</th>
<th>HOLD</th>
<th>BUY</th>
<th>SELL</th>
</tr>
{% for row in data %}
<tr>
<td>{{ row[5] }}</td>
<td>{{ row[0] | round(3) }}</td>
<td>{{ row[1] | round(3) }}</td>
<td>{{ row[2] | round(3) }}</td>
</tr>
{% endfor %}
</table>
</div>
</body>
其實投資本身是期望值的遊戲
在當前時間點你可以做 買和賣 來賭未來的漲跌
以上的作法等於將技術分數當作神經網路的輸入
讓神經網路自己找出一些統計的規律
再預測未來的漲跌
其實我覺得普通人要翻身最快的方式還是找到一個正期望值的策略
然後持之以恆去實行這個策略
只要一個策略10次裡面贏六次 哪也是贏 做好風險管理就好
這個算法的改善空間還很多
因為只有單純考量技術指標
但在驗證集上可以到6 7 成
也許未來可以加入考量 新聞面 籌碼面等等
