機器學習真的無法預測股價嗎？ - FinLab

當初，我喜歡寫程式、無意間因為軟體比賽接觸Fintech，從此開始了財經跟程式的學習之路。

我們成立FinLab 量化投資部落格，用自己研發的軟體，對台灣股市做大量快速的實驗。

Skiptocontent Tags:MACHINELEARNING,機器學習,程式交易,量化投資 很多我非常尊敬的前輩，說機器學習有一些缺點，拿來投資很危險，這些我都認同，畢竟要做出好的模型是很有挑戰的，且回測模擬跟實際投資的狀況不一樣，非常認同！ 內容目錄 隱藏 1 但有時候真的稍微有那麼一點激烈 2 嗯… 2.1 可以長期穩定獲利的就是好工具。

3 機器學習無法預測價格 3.1 難道想獲利一定要預測股價嗎？ 3.2 通常撰寫策略，從來不用預測股價 4 不要用機器學習預測股價，而是用來直接產生交易訊號！ 5 最為人所知的機器學習障礙–預測延遲 6 我自己寫的文章，沒有任何一篇是教大家預測股價的 7 機器學習策略–我認為有效的方法 8 機器學習不適用於所有人，因為很難很複雜 9 付出與收穫可能不成正比 10 然而每個人各有喜好， 但有時候真的稍微有那麼一點激烈 另一位我很尊敬的前輩，暗指用AI投資的人：「他們的想像力都消失了，他們只是在耗著老天爺給他們的天賦，或是青春給他們能犯錯的空間，在那邊浪費生命。

」「很多人都被工具綁架邏輯，沒有一點想像力」「做出來的只是垃圾，臭不可聞」 嗯… 「究竟跟AI有多深的怨念？」XD我不知道是不是哪裡有不小心得罪或冒犯，才讓他對於使用AI投資的人這麼嗤之以鼻，以我來說，我最早之前，是做價值投資的研究，後來加入了點技術指標，價量，到現在研究機器學習，我覺得每個人投資方法不同，有價值型投資，技術指標，短線、極短線、中長線、存股，不論是哪些方法，都有很多人賺錢，更多人賠錢，不論如何 可以長期穩定獲利的就是好工具。

這些對AI不屑前輩的口中，總是有著這麼一句話： 機器學習無法預測價格 這句話，以我自己的經驗來說，是舉雙手認同的，但就算是認同，我也絕對不敢斷定，或直接了當的大肆宣揚，畢竟這個世界有太多東西要學習了，不過我們就先「假設」機器學習無法預測股價好了， 難道想獲利一定要預測股價嗎？ 你不需要懂機器學習，也知道： 通常撰寫策略，從來不用預測股價 只要產生的交易訊號，也就是買賣時機點就可以了，照著操作，被動的投資，而不是主動的預測，對於機器學習也是同樣的道理。

所以正確的使用機器學習的方法是： 不要用機器學習預測股價，而是用來直接產生交易訊號！ 既然大家都有這樣的知識，為何還要執著於「機器學習無法預測股價」所以「機器學習沒有用」這件事情上呢？就像是你測量羽毛跟保齡球落下，時間不一樣，難道就說牛頓第二運動定律是錯的了嗎？比較有可能是實驗做錯了啦～ 為何大家都說機器學習無法預測股價，先簡單的說明一下 最為人所知的機器學習障礙–預測延遲 簡單來說，就是下圖中，藍色的為股價，而紅色的是機器學習預測的數值，可以看到紅色永遠比藍色線慢半拍，晚一步才轉折雖然藍色跟紅色非常接近，但離「預測」其實差得很遠，回測後就會發現，是不能拿來交易的， 這個就是大家所說，機器學習的預測延遲，說真的，這類有小瑕疵的文章或論文是真的滿多的，例如 這篇，就連我們的部落格，也有這類的文章。

你只要搜尋「machinelearningpredictstockprice」，就可以找到滿坑滿谷的文章，都有這個缺點。

之所以會有這樣的問題，不難理解，因為股價並不是stationarytimeseries，所以機器學習直接預測股價很容易失真導致最後落入overfitting的窘境，且預測結果常常會有bias， 所以 我自己寫的文章，沒有任何一篇是教大家預測股價的 我想提供大家真的能夠獲利的程式碼，用來展示機器學習真的可以用來投資，我不是蹭AI的熱潮，東拼西湊，只求程式可以跑，而是盡力做出一個希望能夠獲利的模型，又讓大家可以學到新的演算法，並把這個模型分享給大家，然而AI不是神，沒有一個策略保證一定賺錢，但我至少做到問心無愧，目前績效看起來也還OK， 機器學習策略–我認為有效的方法 接下來舉一個，我認為有用的方法，首先利用：IntegratingaPiecewiseLinearRepresentationMethodandaNeuralNetworkModelforStockTradingPointsPrediction這篇paper當中的方式產生交易訊號，並且讓機器學習模型模仿，找出轉折點，以下是簡略的數據： 商品：台股加權指數，取每15分鐘的收盤價製作特徵：利用各種技術指標當作features預測訊號：利用上述的paper產生交易訊號利用2015年以前的資料產生模型，用一個最普通的神經網路，就可以有不錯的效果，以下是2019年5月的範例圖，其中 紅色為股價藍色為多方轉折的發生機率紫色為空方轉折的發生機率（負值）可以看出來，當藍色飆高時，通常是底部的多方轉折，而紫色飆高時，則是相反，是頭部的空方轉折 2019年五月 2019年六月看不出有延遲，幾乎都是直接實時反應，看起來還抓的算滿OK的，可以用來逆勢操作，雖然看似有用，但 機器學習不適用於所有人，因為很難很複雜 付出與收穫可能不成正比 假如你不喜歡折磨自己，其實簡單的策略也可以賺錢的，所以說你不一定要用機器學習來投資， 然而每個人各有喜好， 以我而言，我喜歡追求和分享新的科技，並且幫助大家學習新知識之餘，幸運的話還可以賺點錢，然而走在科技的前沿，特立獨行，本來就是會有很多的支持和反對我不敢說這條路走的正確，但我們能走多遠是多遠，這一切紛擾，只能用對帳單來證明了（XDD努力生產中） 雖然我們早在一年前開始就把模擬結果每天都放上網，但看來對帳單還是必須的呀！ 覺得我們的文章有幫助到您，就把它分享給身邊的人吧！ Sharethiscontent Opensinanewwindow Opensinanewwindow Opensinanewwindow Opensinanewwindow FinLab-韓承佑 嗨大家好，我是韓承佑，FinLab創辦人，畢業於巴黎薩克雷大學資工博士，目前擔任臺灣量化交易協會學術顧問、台北商業大學創新育成中心創業技術顧問與上市科技公司量化交易顧問。

當初，我喜歡寫程式、無意間因為軟體比賽接觸Fintech，從此開始了財經跟程式的學習之路。

我們成立FinLab量化投資部落格，用自己研發的軟體，對台灣股市做大量快速的實驗。

希望可以在量化投資的路上，當大家的「武器製造商」！ YouMightAlsoLike ATR指標應用|肯特納通道 2022-02-13 用Python超簡單計算：158種常見技術指標 2020-07-22 VIX美股大跌投資法：Python實作教學看這裡！ 2020-07-22 MachineLearning表示：看季線最無用！ 2020-07-22 利用Pandas輕鬆選股–Python實作教學 2020-07-22 Python新手教學(Part0)：用Python投資？你想不到的好處! 2020-07-22 做量化投資會遇到的挑戰？ 2020-09-27 創新高股票，你還少看了這個因子！ 2020-07-20 每週收到新知識 只要有新文章，立刻用Email通知你 加入 Emailisrequired Emailisnotvalid Thanksforyoursubscription. Failedtosubscribe,pleasecontactadmin. 關於網站 FinLab財經實驗室 股票如何選擇？要怎麼學習量化投資？財報、技術指標如何看？FinLab利用股票分析、財經python教學，讓你在在茫茫股海中，找到專屬於自己的投資方法。

Facebook粉絲專頁 FinLabYouTube頻道 Opensinanewtab 近期文章 融資融券主力板塊｜Treemap延伸應用｜DashBoard製作教學(4) 2022-05-22/ 0Comments Plotly-多重圖組｜融資維持率｜DashBoard製作教學(3) 2022-05-18/ 0Comments 機器學習Python做比特幣交易，如何找到好的特徵？增進模型的有效工具 2022-05-11/ 0Comments 文章分類 AI看股票(17) FinLabYouTube(4) Python新手教學(20) PYTHON財經(13) Uncategorized(3) 加密貨幣(18) 基本面分析(20) 大盤漲跌(10) 實價登入(3) 技術面(16) 投資新手(5) 生產力(11) 籌碼面(7) 股票策略(22) 財報狗分析(5) 財經PYTHON教學(46) 選股策略(27) 量子電腦(1) Python理財入門課程Python理財進階課程Python加密貨幣實戰課程