① 如何用深度學習來預測明天的股票趨勢
學會用比較法則選擇主流板塊主流股，懂得利用正確的技術分析籌碼分析知識來針對不同主力類型的股票計算合理買賣點，有合適的止盈止損策略，嚴格按紀律操作。
但是記得，正確的技術分析知識不是你買本書或者網上查的那種，比如黑三兵這樣的k線組合，你在哪裡查資料都是說後市看跌把，上證八月九日開始就是黑三兵，然後一直漲到現在
② 深度學習做股票預測靠譜嗎
我認為至少目前是不靠譜的，原因
1。股市是一個社會系統，涉及到的方方面面太多，從經濟、政治、軍事、社會、科學、氣候、環境、社會心裡學、甚至倫理道德等等等等，這一切無法從電腦的一個什麼程序里模擬出來，這和下棋的復雜程度遠遠不是一個數量級的。
2。股市是一個動態的體系，即使用深度學習的方式預測成功了，由於參與者是上千萬甚至上億的社會個體，從眾心理會導致大家都按照預測的方向走，於是一個荒謬的結論就出來了：股市中所有的人都是賺錢的。但大家賺的是誰的錢呢？預測系統給的嗎？
3。假定預測成功了，但是幾次或多次成功以後預測很快就會在出問題。因為股市中有一條顛撲不破的真理，那就是，股市總是會朝大多數人願望的反方向運動。。。。。。也就是股市中永遠只有少數人賺錢這條真理最終會起作用。
4。如果用現在眾多的技術指標來給深度學習，那還不如用人自己來看指標預測。而且，號稱是這方面的股神、磚家多如牛毛，何必靠一個冷冰冰的機器呢？而且那樣做還會斷了股神、磚家的財路。。。。。。。
③ 我想用深度學習做股票預測，用什麼做輸入
一開始就把路走偏了。
④ 如何用Python和機器學習炒股賺錢
相信很多人都想過讓人工智慧來幫你賺錢，但到底該如何做呢？瑞士日內瓦的一位金融數據顧問 Gaëtan Rickter 近日發表文章介紹了他利用 Python 和機器學習來幫助炒股的經驗，其最終成果的收益率跑贏了長期處於牛市的標准普爾 500 指數。雖然這篇文章並沒有將他的方法完全徹底公開，但已公開的內容或許能給我們帶來如何用人工智慧炒股的啟迪。
我終於跑贏了標准普爾 500 指數 10 個百分點！聽起來可能不是很多，但是當我們處理的是大量流動性很高的資本時，對沖基金的利潤就相當可觀。更激進的做法還能得到更高的回報。
這一切都始於我閱讀了 Gur Huberman 的一篇題為《Contagious Speculation and a Cure for Cancer: A Non-Event that Made Stock Prices Soar》的論文。該研究描述了一件發生在 1998 年的涉及到一家上市公司 EntreMed（當時股票代碼是 ENMD）的事件：
「星期天《紐約時報》上發表的一篇關於癌症治療新葯開發潛力的文章導致 EntreMed 的股價從周五收盤時的 12.063 飆升至 85，在周一收盤時接近 52。在接下來的三周，它的收盤價都在 30 以上。這股投資熱情也讓其它生物科技股得到了溢價。但是，這個癌症研究方面的可能突破在至少五個月前就已經被 Nature 期刊和各種流行的報紙報道過了，其中甚至包括《泰晤士報》！因此，僅僅是熱情的公眾關注就能引發股價的持續上漲，即便實際上並沒有出現真正的新信息。」
在研究者給出的許多有見地的觀察中，其中有一個總結很突出：
「（股價）運動可能會集中於有一些共同之處的股票上，但這些共同之處不一定要是經濟基礎。」
我就想，能不能基於通常所用的指標之外的其它指標來劃分股票。我開始在資料庫裡面挖掘，幾周之後我發現了一個，其包含了一個分數，描述了股票和元素周期表中的元素之間的「已知和隱藏關系」的強度。
我有計算基因組學的背景，這讓我想起了基因和它們的細胞信號網路之間的關系是如何地不為人所知。但是，當我們分析數據時，我們又會開始看到我們之前可能無法預測的新關系和相關性。
如果你使用機器學習，就可能在具有已知和隱藏關系的上市公司的寄生、共生和共情關系之上搶佔先機，這是很有趣而且可以盈利的。最後，一個人的盈利能力似乎完全關乎他在生成這些類別的數據時想出特徵標簽（即概念（concept））的強大組合的能力。
我在這類模型上的下一次迭代應該會包含一個用於自動生成特徵組合或獨特列表的單獨演算法。也許會基於近乎實時的事件，這可能會影響那些具有隻有配備了無監督學習演算法的人類才能預測的隱藏關系的股票組。
⑤ 深度學習又稱之為什麼
深度學習（Deep Learning），又叫無監督特徵學習Unsupervised Feature Learning或者特徵學習Feature Learning，是目前非常熱的一個研究主題。
深度學習是一種機器學習方法，它接受輸入X，並用它來預測Y的輸出。例如，給定過去一周的股票價格作為輸入，我的深度學習演算法將嘗試預測第二天的股票價格。
給定輸入和輸出對的大數據集，深度學習演算法將嘗試最小化其預測和預期輸出之間的差異。通過這樣做，它試圖學習給定輸入和輸出之間的關聯／模式－這反過來允許深度學習模型推廣到它以前沒有見過的輸入。
作為另一個例子，假設輸入是狗和貓的圖像，輸出是那些圖像的標簽（即輸入圖像是狗或貓）。如果輸入具有狗的標簽，但是深度學習演算法預測貓，則我的深度學習演算法將知道我的給定圖像的特徵（例如，鋒利的牙齒，面部特徵）將與狗相關聯。
深度學習內容簡介：
深度學習是一類模式分析方法的統稱，就具體研究內容而言，主要涉及三類方法：
(1)基於卷積運算的神經網路系統，即卷積神經網路（CNN)。
(2)基於多層神經元的自編碼神經網路，包括自編碼（Auto encoder)以及近年來受到廣泛關注的稀疏編碼兩類（Sparse Coding)。
(3)以多層自編碼神經網路的方式進行預訓練，進而結合鑒別信息進一步優化神經網路權值的深度置信網路（DBN)。
以上內容參考：網路-深度學習
⑥ 運用深度學習演算法來炒股是不是會提高預測的准確率
是的呢，RC智能雲 比較好用
⑦ 深度學習方法能用來炒股嗎
不能。
炒股主要是跟人性做斗爭，而不是深度學習。
經濟學教授炒股虧得一塌糊塗的多了去了。