五一儿童节天问： AI 能基于盘面指标实现完美股票交易决策（预测）吗？

• 主 資深大佬 : tim2017

  困惑已久，欢迎大伙儿指点迷津。

• 資深大佬 : vazo

  ai 无法知道场外资金数量和资金方向.

• 資深大佬 : dartabe

  差不多一月一贴吧

• 資深大佬 : BingoXuan

  可以，假设你有所有博弈参与者的信息你可以预测一个最接近的。类似于西部世界第三季的所罗门系统。但有这个算力还不如研究疫苗好了

• 資深大佬 : YUX

  简单来讲是不能的。
  复杂来讲是可能的，但有这么几点问题，首先“盘面指标”信息量不足是一个很大的问题，需要人工（具有很强的专业知识的人）做足特征工程，这一点造成这件事的门槛很高，不是随便一个人把 raw 数据放到模型里就可以的。除了要对盘面指标做足特征工程，还要引入其它数据，比如要监控政策走向，重大事件，还有一些可能看起来不太相关的数据，比如电影票房，空气状况……等，这就导致模型会很复杂，不是插几个 tesla 就能训练好的。还有一点是很多数据不是公开的，及时获取数据也是个挑战。现在不能提前知道哪些数据是相关的，哪些是无关的，要看训练的结果。

  总结来讲主要 3 点：1.需要专业的人来做特征工程 2.有足够大量、及时、多样的训练数据 3.需要有足够的算力。

  每一点对于一个普通人都是很大的挑战。

• 資深大佬 : inframe

  政策消息怎么预测
  比如央行一个降息，股票就波动一下，没法预测，只能马后炮

• 資深大佬 : wafm

  以个人理解的角度简单告诉你两点
  1.目前用 ai 为噱头的什么量化之类的术语一般用在销售股票衍生类产品中
  2.我之前交过一次学费，学习了机器学习量化交易，复盘数据非常漂亮，实际入市亏成麻瓜。（我自己的水平不行）

  制约的原因太多了，割韭菜的套路太多，机器哪懂这些，如果认为单靠一些技术指标炒股能行，那就很傻很天真了

• 資深大佬 : xuanbg

  就像大数据只能体现相关性而非因果性一个道理。

  因为指标是结果而非原因。所有根据指标预测涨跌的都是把相关性当做因果性来忽悠人。

• 資深大佬 : callofmx

  你是 AI, 你对手盘也是 AI

• 資深大佬 : penghong

  一顿操作猛如虎 涨跌全靠 t 朗普

• 資深大佬 : PureWhiteWu

  反证法：
  考虑一个零和市场，假设真的有这种 AI 存在，那么必然不止一个。
  假设有两个这样的 AI，在一个零和市场中，有一个盈利必然另一个亏钱，那么就和我们的假设“完美股票交易决策”所不符了。
  以此可以判断，不可能。

• 資深大佬 : lhx2008

  关键是归因不对，指标，消息和短期的涨跌没有因果关系。而且你没有办法捕捉到这些因素（内幕消息，庄家坐庄的策略）

• 資深大佬 : ZRS

  股市不是完全信息博弈

• 資深大佬 : revalue

  量化交易了解一下。人家既然量化做那么多年，招一批 MIT 还是斯坦福把技术迁移到 AI 上也不难。既然这些金融大鳄有那么多年的发展时间，为什么发展不起来？

• 資深大佬 : cest

  搞自动交易的重点是创造大量 cs 就业机会,带动相关行业发展
  绝大多数行业都是这样骗钱的

• 資深大佬 : jackrelative

  不能。量化交易在美国已经发展了几十年了。如果量化交易必赚，那说明人已经干不过机器了。交易系统的核心:交易策略，情绪管理策略执行，风险管理。风险管理团队监控交易策略是否有效，也就是说，规则是可能亏损的。

  参考文献:海龟交易法则等

• 資深大佬 : ankazen

  简单来说, 因为历史不能预测未来.
  传统的分析法,还是 AI,都是基于历史数据的,不管你用什么方法,都不能用这些数据去预测未来.
  但是,肯定是有有效策略的,只是这些策略并不是基于通常意义上的价格数据,或是相关因素数据.

• 資深大佬 : jhdxr

  你的标题其实已经回答了问题了。不光是 AI，人类也无法做到 只『基于盘面指标实现完美股票交易决策』

• 資深大佬 : TransAM

  投机品都是差不多的逻辑，如果你不懂股票，试着想想房子。

  k 线数据是股票固有的数据，拿 k 线数据预测股票，就相当于拿房子的门牌号，面积和装修水平预测房子的价格。

  拿基本面数据预测股票，就相当于拿周围房价，所在区域，交通便利程度来预测房价。

• 資深大佬 : TransAM

  @PureWhiteWu 股票超过一定时间段就不是零和的，因为公司的利润会放在股票里一部分。

• 資深大佬 : drackzy

  我大 A 千股千庄, 每个股后边都有好几个操盘手盯着散户的

• 資深大佬 : alexapollo

  2010 年的时候，出于兴趣，我开始用进化算法和神经网络做股市的预测，全自动设计网络结构和各类参数，可以说是国内做 AI 量化，乃至 AutoML+量化的最早的人。其中一个实验是拿道琼斯指数 1930 年到 2010 年的历史，拿 60 年做训练，20 年做测试，用 AI 做双边交易可以做到带杠杆 40%左右的年化，不带杠杆 12%左右的年化（基线 7%）。

  那时候我所做的技术现在沉淀到了我们的这个开源项目里，欢迎试试：
  – https://github.com/DeepWisdom/AutoDL

• 資深大佬 : TransAM

  如果你再不懂，拿 cv 举例子好了。

  k 线数据怎么来的，是从交易单聚合来的，这种聚合并不是 mean sum 这种，而是由系统进行买卖双方的自动平衡。

  这就像是啥，交易单是原始数据，相当于一副 128×128 的图像。你的 k 线在一天只有 5 个值，开高低收和交易量，相当于 2×2 的图像。

  我把猫和狗的图像缩放到 2×2，你还能训练个模型来做分类嘛？

• 資深大佬 : love

  短线类似混沌系统，长线又和政策 /产业发展相关，哪头都不是 AI 能搞定的

• 資深大佬 : xau

  不如看新闻联播

• 資深大佬 : imn1

  还好，没人问“儿童节”的事，大家关注点还是正确的，

• 資深大佬 : closedevice

  不能,非完全信息博弈了解下

• 資深大佬 : AlohaV2

  从业者回答题主一下：
  完美的预测目前是不存在的。拿（技术分析面）股票交易策略来说，其实就是分析时序数据然后给出对未来的预测，但是未来会收到各种模型无法观测到的现象的影响。个人理解来说，股价的未来表现是人们对各种信息的处理后反映出来的对未来的一种主观预测，机器（包括 ai ）预测的问题是 a ）信息源不如所有操盘者广； b ）人始终是非理性的。换句话说，ai 做决策，近乎于是做统计，赌大概率事件。100 次里如果能稳定赢 51 次那就能赚钱。

• 資深大佬 : whypool

  可以的
  前提是有足够的钱，足够的交易账户，涨跌也就分分钟看心情

• 資深大佬 : janus77

  请定义完美

• 資深大佬 : janus77

  另外我就说两点：
  1.随着时间流逝，决策本身就可能变化，导致完美变成不完美，AI 在执行决策的前一刻和后一刻，请判断是否完美？
  2.如果全体交易 100%都是完美的，那么到底是谁在亏钱？

• 資深大佬 : laqow

  可能是现在模型和参数相比真实世界还是太简单，算力不够，预测混沌系统需要的时间比真实时间长。

• 資深大佬 : admirez

  机器学习怎么可能达到这个高度

• 資深大佬 : Perry

  AI 能不能炒股不知道，AI 方便资本主义有效割韭菜是可以的

• 資深大佬 : musi

  信息不对称，你大部分时候的信息都是后知后觉你还怎么决策？

• 資深大佬 : a132811

  经济指标
  政策指标
  技术指标
  …
  这些指标放到一起，到底混沌的还是可预测的，很难去回答。

  虽然对历史数据的量化、回测我们可以得到漂亮的量化模型。

  但是通过历史能预测未来吗？

• 資深大佬 : a132811

  记得以前有篇文章，聊为什么专家无法预测经济危机？如果专家都觉得经济危机要发生，那么一定会采取措施，金融危机就很可能不会发生。

  如果存在有效的量化系统，那应该是少数人的专利（西蒙斯?）。否则如果量化能预测价格，大家都可以高抛、低吸，那谁来当这个接盘？

  要么价格不会有高低波动，价格永远反应价值，那这个市场，就是价值投资的天下了。量化的终极态是不是价值分析呢？

• 資深大佬 : hoyixi

  掌握后台大数据的庄家，它的 AI 应该可以做到，想怎么割就怎么割。

• 資深大佬 : mogutouer

  你这个问题有问题。
  就算真的有，也是闷声发大财，谁会告诉你。
  不过概率上来说，减少某些明显的走低，概率是可以很微量的超过 50%的，但抗不过有交易手续费这件事，如果算法能的概率能超过 50%+手续费，就赢了。

• 資深大佬 : PureWhiteWu

  @TransAM 可以假设一个零和市场。经济不一定会一直发展。

• 資深大佬 : jon

  预测天气预报都不一定准何况是人心

• 資深大佬 : Chell

  基于盘面指标是不可能作出完美预测的，因为盘面指标只反映了一部分股市的信息，内幕交易、CEO 出事、公司潜力是无法基于盘面预测的。2003 年的亚马逊股票再怎么根据盘面预测也预测不成现在这样。如果真能根据所有信息预测股市了，要考虑的就不是炒股了。

• 資深大佬 : eric

  这个问题从源头上就错了。股票价格已经是预测的结果了，这也是为什么一个流动性充足、信息传递及时的金融市场有价格发现的功能。

  做出一个 PNL 曲线很漂亮的交易策略很容易，但大部分是过度拟合的结果，而且能实盘的根本没几个。

  而且你有没有想过，如果你能做到完美的交易决策，你的对手盘是谁？你提的款从哪里来？

• 資深大佬 : xiri

  就我一个人注意到主说的是“五一儿童节”吗？

• 資深大佬 : sola97

  五一儿童节 ×
  五一强制劳动节 √

• 資深大佬 : jackmod

  混沌系统
  随机扰动
  假阳性

  直接炸死任意智能

• 資深大佬 : wblm1997

  西部世界里面的罗波安?

• 資深大佬 : ifxo

  肯定是可以的，但都是绝密的技术，不然大家都用就赚不到钱了

• 資深大佬 : winglight2016

  机器能做到的前提是人能做到，机器仅仅是提升效率而已，所以，lz 的问题实际上是，有没有一个“完美”策略能让他“躺赚”？

• 資深大佬 : dizun

  股票方面我也研究过，我的策略是读取新闻关键字判断板块涨跌。我可以告诉你，股票是人为操作的。存在各种变量。5 万亏一半。老老实实上班摸鱼了。

• 資深大佬 : lewinlan

  所谓『机器学习』
  想一下喂给机器的学习资料都是些啥。学习的素材不可能覆盖所有的因素，所以训练的结果也不可能全知全能

• 資深大佬 : pkookp8

  @winglight2016 人的能力是有极限的
  在我短暂的炒股生涯中我意识到，人越是买入卖出就越能说明人的能力是有极限的

• 資深大佬 : wangyzj

  此类帖子我上次的回复是：
  不要用计算机科学去研究社会学

• 資深大佬 : scegg

  取决于你定义的“完美”。
  由于计算机算法(不限于 AI)的反应速度优势，在 T+0 的交易系统下，超过一半的交易都是靠自动交易（含高频交易）完成的。以至于部分市场限制了交易时间限制（例如中国的 T+1 ），部分券商人为设置了交易延迟以避免被计算机算法割韭菜。
  至于预测，目前看到的情况是，至少比人“完美”。

• 資深大佬 : Wongzigii

  Why are financial markets so difficult to predict? The short answer is that financial markets are difficult to predict because predictions influence markets themselves.

• 資深大佬 : xcstream

  就是 0 和博弈， 钱不会生出来的

• 資深大佬 : realpg

  主是不是野鸡电视台专家荐股看多了。。。

• 資深大佬 : billwsy

  “市场是有效的”

• 主 資深大佬 : tim2017

  @realpg 主是资深股民，但并不相信天上掉馅饼。因为知识储备的局限性，开帖只是请教和抛砖引玉。

  另外，儿童节是防沉梗，天问就是天真的问。

  另外，有 v 友提到这属于老生常谈，这也是我开贴的顾虑和担心，会不会重复浪费社区资源？最后发帖的理由只有一个：多一次碰撞多一次收获吧。这毕竟属于开放性讨论或者问题，回复万千皆是真知灼见。少一些负能量，可能还会有更多的干货。

  感谢各位 v 友的用心和智慧答复，感谢 v2 的社区价值。