⑴ 基於神經網路的股票預測
還要含代碼？
你的 t 讓門夾了吧？
⑵ 請教用人工神經網路進行股票預測在weka
預測股票可不是有以往股票數據就能的，要考慮因果性，現實事件與股票波動有因果性，也就是時序性。在這情況下有LSTM單元組成循環神經網路可以做到，但訓練集的強度跟體積可是很大的，這需要注意。
⑶ 人工智慧炒股大概是怎麼回事
智能是什麼？學習， 記憶 ，聯想， 推理，大概就是這些東西。人工智慧就是人為地，讓計算機通過某些程序演算法去擁有智能。電腦，大家都了解，雖然計算能力驚人，不過總是死板的，冷冰冰的機器，必須在人給予具體的步驟後才能完成工作。如何使電腦擁有自主性呢？或者更具體一些，如何讓其獲得自主學習的能力?一想覺得很難，但其實很簡單，只要有一個模擬人腦的演算法就可以，即「神經網路」。顧名思義，這個演算法的結構類似於人腦，類似於神經元互相聯結的網路。
對於人腦，當外界輸入信息，比如眼睛看見某種水果，則水果的顏色，形狀，花紋等信息經過腦中神經網路的處理後得出是蘋果，橘子或是西瓜的結論。
類似地，計算機對從外界輸入的信息在神經網路這個演算法中進行加減乘除，然後輸出結果。大夥肯定會有疑問，人腦如此復雜的結構，怎麼可能隨隨便便就在計算機上設計出來呢？我在接觸人工智慧前也有這樣的困惑，但讓我吃驚的是，我們不用管網路具體是什麼樣子的，電腦在用歷史數據進行訓練的過程中會自我調節，直到生成一個能完成任務的結構。所謂訓練，是將歷史數據輸入網路，然後將輸出的結果和作為導師的參考答案相比較，再根據差距自動調節網路的參數，如此一步步地調整，直到其能夠輸出令人滿意的結果，而完成訓練的程序就可以用來預測了。
⑷ bp神經網路股票價格預測的MATLAB編程
P=[];『輸入，開盤價，最高價，最低價，收盤價成交量依次5天的數據』
T=[];』輸出，即第二日的收盤』
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; 『最大訓練次數，根據需要可自行調節』
net.trainParam.goal=0.01; 『誤差』
net.trainParam.lr=0.01; 『學習率』
net=train(net,P,T); 『訓練網路』
test=[];『待預測數據輸入』
out=sim(net,test); 『模擬預測』
我的這個程序沒有進行初始化，你還需要先將數據進行初始化後才能算。
⑸ 神經網路 能對股票 預測嗎
因為他么有未來函數，但是有未來函數的又是會隨著行情的演變而變的，所以沒有預測的軟體，只有預測的人，盤感很重要，不要迷信軟體，那樣不是會看軟體的人就能賺錢了。關注資金動向是你首先應該學習的。
⑹ 如今那麼多的炒股軟體里，哪個有人工智慧功能啊
股票衛士APP利用谷歌AlphaGo技術整合全網碎片數據並提供針對整個股票市場的實時智能監測。正是利用強大的數據採集處理能力以及基於最先進的神經網路人工智慧技術系統，股票衛士為廣大股民提供精準買賣預警、股票自選股實時監測，為廣大股民保駕護航，相當於生活中的股票智能管家，堪稱「股市的360」。
⑺ 如果用神經網路學習股票買賣，能做出一個完美的賺錢程序嗎
比較難，現在已經有這方面的研究和嘗試了，但股票變動的決定因素很多，影響的作用大小也不一樣，而且不同時期也有不同的規律，因此目前作用不大，更談不上完美。
⑻ 利用BP神經網路預測股票價格走勢
接著忽悠