一、总结

总结来说，今天研究了一整天论文，
该篇论文对蒐集5分线数据，并以此预测之後的股价倾向，

与论文不同的是我使用的不是5分K线，而是日k线
目前确定了几条结论：

• 确认了股市资料的时间关联性
  • 1.将观察的历史天数拉长可以提高准确率，虽然过久的历史容易失焦导致准确率再次下降
  • 2.以每日股价的差额而非股价本身作为特徵能使准确率略微上升，
• 高频市场(当冲)与长线预测可能有极大的差异，以至於当冲预测方法在长线预测失效
  • 论文预测机率为60% ~ 75%
• 机器学习方法普遍有严重过拟合问题
  • Test loss完全没有下降的倾向，代表模型严重过拟合
  • 确认了不是train与test资料差异性造成
  • 确认了不是特徵过多造成
  • 确认了不是模型或调参问题
  • 

二、看不懂?

看不懂正常，因为我纯粹把这篇当成技术笔记(X
明天我会将FinMind的Ticker资料转成5分线资料，如果还是没结果，
那代表传统机器学习方法用来预测股票可能有先天性不足，
後天就会提前进入深度学习领域

非常乱的程序码

绝对不会少的每日油图

From 嘎呗