我正在尝试对计算机科学项目的股票市场预测方法,它们如何工作和比较进行调查。我知道神经网络,我的项目最初是基于它们,但是在查看了对这个问题的回答之后:
我认为最好看看整个领域。谁能告诉我一些很好的研究资源?
我不怕数学。谢谢。
我正在尝试对计算机科学项目的股票市场预测方法,它们如何工作和比较进行调查。我知道神经网络,我的项目最初是基于它们,但是在查看了对这个问题的回答之后:
我认为最好看看整个领域。谁能告诉我一些很好的研究资源?
我不怕数学。谢谢。
Gaussian Mixture Models、Dirichlet Processes、Weiner Process、Stochastic Processes 是您应该在 google 上搜索的术语。神经网络不行。但是,您也应该看看 CS 和 ML 中的无免费午餐定理。
您似乎对金融数学和算法交易感兴趣。这两个领域都是巨大的。仅金融数学就有 100 多年的历史。
这是一个令人难以置信的开放式问题,你真的不知道从哪里开始。我建议从相关主题的 wiki 页面开始:
简而言之,金融数学涉及通过公式确定股票或衍生品的预期未来价值。算法交易使用金融数学公式来建议或自动进行交易。
Black-Scholes 模型被广泛使用,是理解算法交易中使用的算法背后的数学的一个很好的起点。从它开始,然后转向您认为更适合您想要完成的其他模型。
您应该尝试在“股票价格概率”或“摆动交易技术”或“技术分析”的主题下进行研究,并对它们进行建模。(顺便说一句 - 阅读 LTCM - 长期资本管理,了解为什么波动性和预测人类行为几乎是不可能的)。
最终的答案不是预测股票价格(许多人认为你做不到),而是与无风险工具(如国库券)相比,最小化您的总投资组合波动并最大化您的风险回报。这是在“现代投资组合理论”的主题下。
另外-查看http://www.quantmod.com/(开始学习R)