量化投资，AI选股靠谱么？实践经验告诉你,第一季:实盘回顾

创作立场声明：本文章是本人原创，转载请注明，欢迎关注我~

序言

风险提示：本人不推荐购买任何本文中提到的股票，本模型为超短线交易，模型也好，基金经理也好，过往业绩不代表未来业绩，谁都无法预测未来，这只是一个几率游戏。

先来简单回顾一下本人的投资经历，本人于11年左右开始炒股，最开始什么都不懂进去就是一通买买买，结果很凄惨，记得当时赔了3万块钱，对于刚毕业的我来说是笔巨款，伤心了一周决心退出这个赌场，后续几年断断续续的买过一些股票，赚了些钱但是没赚到大钱，最早赔的3万总算是回本了，19年后半场开始小额投入一些基金，这两年的收益起起伏伏也没当回事，现在基金持仓还有不到50万了，18年开始系统学习了机器学习相关的知识，20年辞职在家闲置又开始倒腾股票，于是想到了把机器学习相关知识用于投资决策，这个模型从20年6月开始立项，到2021年春节期间总算稳定了，期间经历了无数次修改和实验，同时也在模拟盘上跑了两个月，收益还可以，于是春节过后开始进入实盘，今天来跟大家分享一下如何通过机器学习构建一个股票价格预测系统。

整套系统包含一个Php编写的后台服务器，Vue搭建的后台管理网页，Tensorflow构建的机器学习模型，Python搭建的数据定时收集和过滤系统，MySql用于存储数据，整个系统搭建于Linux之上。

实盘回顾

我们先来回顾一下春节以来我的实盘操作记录，看看我的后台，没错，即使只有我一个人用这个系统我也要做个可视化的后台，就是这么讲究。

本交易模型为超短期交易策略，选股靠模型，择时靠经验，持有一般不超过3天。

节后第1个交易日2月18日

预测结果的前三是《仁东控股》《长春燃气》《华资实业》

图中c60是模型的名称，下面的值是对应的预测涨跌百分比，后面的真实涨跌是1天后数据出来后自动补上的

经过自己的研究后，当天怀着激动的心情买了仁东控股，华资实业，由于是实验性质，买的不多

结果当天仁东控股涨停，华资实业涨了6个多点。

节后第2个交易日2月19日

预测前三是《古越龙山》《金枫酒业》《青青稞酒》

19日的预测结果靠前的几乎都是白酒

当天买了预测结果排名前三的，2个涨停，1个将近9个点

交割单，早盘清仓了前一天买入的

节后第3个交易日2月22日

预测的前三位《南岭民爆》《仁东控股》《雅化集团》

当天交割单

南岭民爆第二天低开没赚到钱，雅化集团每股利润2毛，仁东控股第二天没卖

节后第4个交易日2月23日

预测结果又有《仁东控股》，我感觉要出大事这个股，由于前一天的还没卖，当天又加了点，

节后第5个交易日2月24日

预测的第一名又是仁东控股，这算是模型的强烈暗示吗？

由于之前持有的仁东控股还没有清，所以当天没买预测排名的仁东控股

结果当天仁东控股就开始连续涨停

节后第6个交易日2月25日

25日的预测结果都是旅游股

由于25日早盘的时候我手里的仁东控股获利已经20个点，于是我就清仓了，事实证明这个决定不太明智，仁东控股在后续的几天一直涨停，现在的价格已经超过13元，接近翻倍。

节后第7个交易日2月26日

当天预测结果前三《天际股份》《苏宁环球》《长虹美菱》

由于这几个股票开盘较高，当天没有买入

节后第8个交易日3月1日

当天的预测结果被有色金属板块霸占，我选了两个看着顺眼的《神火股份》《章源钨业》

当天预测分数奇高，并且都是有色金属

大华股份不是模型预测的，是我看着顺眼买的

章源钨业当天涨停，第二天神火股份高开小赚清仓

短线持股都是1天出

3月2号和3月3日的预测分数没有达到买入标准，于是没有操作

让我们来总结一下这几天的实盘操作：

春节后总计交易约12只股票，平均每只股票涨幅5%左右

不过小样本无法说明问题，让我们来统计一下稍微大一点样本，直接从数据库里面计算一下节后所有评分大于3的股票的平均涨幅

答案是2.5，也就是说只要我有足够的资金，每天预测结果出来后，我把所有评分大于3的股票都买一遍，平均每只股票日涨幅为2.5%

那么符合这样条件的预测结果有多少个？

答案是183个，也就是说自春节后开盘以来到3月3日，预测的分数大于3的有183只股票，节后到现在共10个交易日，平均每天18.3只符合要求

这是当天涨幅，考虑到第二天低开，以及交易滑点的存在，这个收益有1.5%就不错了。

但是即使是每天1.5%，复利的作用下收益也是惊人的。

但是由于实验期较短，市场千变万化，模型是否能适应市场变化保持稳定还是个未知数。

于是我对2019年4月以来的数据进行了回测，方法是这样的，为了避免模型使用到未来数据，比如我要预测19年4月，那么我会训练一个新的模型，使用的是4月以前的数据进行训练，然后对4月整月进行预测。

所有预测3分以上的记录，平均日涨幅为1.73%，但是即使回测了将近两年的数据，仍然不能说明模型是稳定的，只能通过时间来验证。

有些人不禁要问，为什么神经网络模型可以对未来的涨跌进行一定程度的预测，下面我就是用一种非常不严谨非常简化的方式来白话的给大家讲一讲神经网络的原理，大神不要较真。

神经网络模型刚搭建好的时候像一个N元N次方程，比如像这样 ax+by=c，不过真实的神经网络要复杂的多，我用到的模型有1600多万参数，众所周知要想让神经网络工作需要对模型进行训练，训练的过程就像是求解x和y的过程，没有公式里的abc你是无法直接求出x和y的，因为abc可以代表任何数字，所以训练模型我们需要用到数据，一条包含a，b，c的数据称之为一条训练数据，c称为标签，在我的模型里，这个c就代表股票第二天的涨跌百分比，而a和b就是影响第二天涨跌的因素，比如a可以代表前一天的换手率，b可以代表最近3天的累计涨跌幅，当然这只是举例，真实模型要复杂的多的多，我们训练模型的过程就像是不断调整x和y的过程，最终达到让所有的验证数据a和b填到这个公式里，得到的c和真实的c相差最小，那么训练的就差不多了。

真实的模型中不仅包含像上面提到的线性变换，还通过使用多种激活函数实现非线性变换，让模型的预测能适应更多的数据，模型最终通过一种叫做"梯度下降"的算法对参数进行近似求解，这里面涉及的东西太多了，就不再展开，感兴趣的朋友可以去看看吴恩达老师的课程。

总结一下，神经网络模型并不是”先知“，无法对未来进行预测，模型只是基于以往的历史数据，对要预测的数据进行拟合，最终给出一个近似的结果，模型的预测是基于"相似的历史数据会得出相似的预测结果"这样的假设，也就是说，模型的预测基于所谓的历史经验。

然后我记得《股票作手回忆录》中说过，历史总会重现。

AI模型相比人脑的优势是什么呢？

既然模型预测基于经验，那么人脑是否可以做同样的工作，做同样的分析，我觉得肯定可以，但是时间上慢得多，AI可以在一台家用电脑上30秒内完成1个交易日4000多只股票的数据获取，筛选，分析，预测，人脑是不可能的，给你一天都不一定能完成。

所以我的模型对我来说，起到的是一个指导投资方向的作用。

第一季的分享暂时就到这里，后面我会开始写搭建整个模型的大体流程，包含数据获取，数据清洗，数据存储，模型构建，模型训练等流程，感兴趣的关注吧~