① 如何用深度学习来预测明天的股票趋势
学会用比较法则选择主流板块主流股，懂得利用正确的技术分析筹码分析知识来针对不同主力类型的股票计算合理买卖点，有合适的止盈止损策略，严格按纪律操作。
但是记得，正确的技术分析知识不是你买本书或者网上查的那种，比如黑三兵这样的k线组合，你在哪里查资料都是说后市看跌把，上证八月九日开始就是黑三兵，然后一直涨到现在
② 深度学习做股票预测靠谱吗
我认为至少目前是不靠谱的，原因
1。股市是一个社会系统，涉及到的方方面面太多，从经济、政治、军事、社会、科学、气候、环境、社会心里学、甚至伦理道德等等等等，这一切无法从电脑的一个什么程序里模拟出来，这和下棋的复杂程度远远不是一个数量级的。
2。股市是一个动态的体系，即使用深度学习的方式预测成功了，由于参与者是上千万甚至上亿的社会个体，从众心理会导致大家都按照预测的方向走，于是一个荒谬的结论就出来了：股市中所有的人都是赚钱的。但大家赚的是谁的钱呢？预测系统给的吗？
3。假定预测成功了，但是几次或多次成功以后预测很快就会在出问题。因为股市中有一条颠扑不破的真理，那就是，股市总是会朝大多数人愿望的反方向运动。。。。。。也就是股市中永远只有少数人赚钱这条真理最终会起作用。
4。如果用现在众多的技术指标来给深度学习，那还不如用人自己来看指标预测。而且，号称是这方面的股神、砖家多如牛毛，何必靠一个冷冰冰的机器呢？而且那样做还会断了股神、砖家的财路。。。。。。。
③ 我想用深度学习做股票预测，用什么做输入
一开始就把路走偏了。
④ 如何用Python和机器学习炒股赚钱
相信很多人都想过让人工智能来帮你赚钱，但到底该如何做呢？瑞士日内瓦的一位金融数据顾问 Gaëtan Rickter 近日发表文章介绍了他利用 Python 和机器学习来帮助炒股的经验，其最终成果的收益率跑赢了长期处于牛市的标准普尔 500 指数。虽然这篇文章并没有将他的方法完全彻底公开，但已公开的内容或许能给我们带来如何用人工智能炒股的启迪。
我终于跑赢了标准普尔 500 指数 10 个百分点！听起来可能不是很多，但是当我们处理的是大量流动性很高的资本时，对冲基金的利润就相当可观。更激进的做法还能得到更高的回报。
这一切都始于我阅读了 Gur Huberman 的一篇题为《Contagious Speculation and a Cure for Cancer: A Non-Event that Made Stock Prices Soar》的论文。该研究描述了一件发生在 1998 年的涉及到一家上市公司 EntreMed（当时股票代码是 ENMD）的事件：
「星期天《纽约时报》上发表的一篇关于癌症治疗新药开发潜力的文章导致 EntreMed 的股价从周五收盘时的 12.063 飙升至 85，在周一收盘时接近 52。在接下来的三周，它的收盘价都在 30 以上。这股投资热情也让其它生物科技股得到了溢价。但是，这个癌症研究方面的可能突破在至少五个月前就已经被 Nature 期刊和各种流行的报纸报道过了，其中甚至包括《泰晤士报》！因此，仅仅是热情的公众关注就能引发股价的持续上涨，即便实际上并没有出现真正的新信息。」
在研究者给出的许多有见地的观察中，其中有一个总结很突出：
「（股价）运动可能会集中于有一些共同之处的股票上，但这些共同之处不一定要是经济基础。」
我就想，能不能基于通常所用的指标之外的其它指标来划分股票。我开始在数据库里面挖掘，几周之后我发现了一个，其包含了一个分数，描述了股票和元素周期表中的元素之间的「已知和隐藏关系」的强度。
我有计算基因组学的背景，这让我想起了基因和它们的细胞信号网络之间的关系是如何地不为人所知。但是，当我们分析数据时，我们又会开始看到我们之前可能无法预测的新关系和相关性。
如果你使用机器学习，就可能在具有已知和隐藏关系的上市公司的寄生、共生和共情关系之上抢占先机，这是很有趣而且可以盈利的。最后，一个人的盈利能力似乎完全关乎他在生成这些类别的数据时想出特征标签（即概念（concept））的强大组合的能力。
我在这类模型上的下一次迭代应该会包含一个用于自动生成特征组合或独特列表的单独算法。也许会基于近乎实时的事件，这可能会影响那些具有只有配备了无监督学习算法的人类才能预测的隐藏关系的股票组。
⑤ 深度学习又称之为什么
深度学习（Deep Learning），又叫无监督特征学习Unsupervised Feature Learning或者特征学习Feature Learning，是目前非常热的一个研究主题。
深度学习是一种机器学习方法，它接受输入X，并用它来预测Y的输出。例如，给定过去一周的股票价格作为输入，我的深度学习算法将尝试预测第二天的股票价格。
给定输入和输出对的大数据集，深度学习算法将尝试最小化其预测和预期输出之间的差异。通过这样做，它试图学习给定输入和输出之间的关联／模式－这反过来允许深度学习模型推广到它以前没有见过的输入。
作为另一个例子，假设输入是狗和猫的图像，输出是那些图像的标签（即输入图像是狗或猫）。如果输入具有狗的标签，但是深度学习算法预测猫，则我的深度学习算法将知道我的给定图像的特征（例如，锋利的牙齿，面部特征）将与狗相关联。
深度学习内容简介：
深度学习是一类模式分析方法的统称，就具体研究内容而言，主要涉及三类方法：
(1)基于卷积运算的神经网络系统，即卷积神经网络（CNN)。
(2)基于多层神经元的自编码神经网络，包括自编码（Auto encoder)以及近年来受到广泛关注的稀疏编码两类（Sparse Coding)。
(3)以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络（DBN)。
以上内容参考：网络-深度学习
⑥ 运用深度学习算法来炒股是不是会提高预测的准确率
是的呢，RC智能云 比较好用
⑦ 深度学习方法能用来炒股吗
不能。
炒股主要是跟人性做斗争，而不是深度学习。
经济学教授炒股亏得一塌糊涂的多了去了。