看着手里股票上上下下的K线，以及变化无常的成交量，仿佛和某只股票前几个月的走势一样啊，接下来怎么走？能否用历史曲线来预测一下接下来的走势情况呢？哪怕能得到走势概率，也可以通过“凯利公式”计算获得额外收益呀。
2014年低，A股开始往上走，我也赚了一些钱，由于我是码农，就利用周末休息时间采集A股3000+历史数据并开始分析，首先想到的就是做曲线相似度拟合，包括日K和成交量，说干就干，我使用1～3个月滑动窗口的方式，可以截取非常多日K数据，K线本身是曲线，成交量把最高点连起来也可以看成一条曲线，曲线相似度算法很多，就选了应用广泛的两种来跑数据，无奈计算量很大，家里的电脑配置不行，把时间也卡在最近10年(一轮牛熊都覆盖了)，同时也想了其他办法节省计算量，最终跑出了一份曲线相似度，然后搞了一个页面，通过绘图插件，就能把当前K线和历史相似曲线召回，并能把历史曲线后边的走势绘制出来，这样就可以人工再看一下最可能怎么走。
做完这么大工程，美滋滋得就拿当前关注的股票实验，跟踪后续走势，结果大出意外，实际股票走势并不是历史概率最大的走势，这么看定性方法就不行了，那么能否用定量方法计算一下呢？我想到了机器学习。
在工作中用机器学习已经在很多场景使用过了，我也比较熟悉，机器学习分样本、特征、算法、评估几个阶段，样本好办，涨为1，跌为0，按每天采样算，有大量的正负样本；特征需要花些时间，我使用了过去90天每天的最高、最低、开盘、收盘、成交量等一系列原始特征，后来还加了衍生特征，例如macd、kdj、boll、是否多头排列、是否破新高、和20日、30日等均线的距离，除了这些大家常见的经验，还翻了很多量化书籍，把能计算的指标都放进去做特征了；算法采用当时流行的xgboost；评估就好办了，AUC不错就拿来跑个历史回测，看看收益率和回撤如何。结果比上次好了不少，跑回测还行，但是跑实际盘依然无法做到稳定盈利。
再后来，我想算法是不是可以换，就换上了深度学习模型(当时alphaGO还没战胜李世石，所以深度学习用的人并没现在多)，深度学习擅长从数据中自己提前特征，所以我特意使用原始特征丢进去，包括把K线+成交量图作为输入，端到端计算未来结果，相当于我给历史曲线走势，让机器自己学习，然后实盘预测走势。这次的结果AUC比上次提高了不少，模型也更稳定，我自己拿了一部分资金出来，进行实际测试，刚好赶上2015年牛市，真挣了不少钱，几个月后赶紧加大资金，后来大家知道了，2015年6月左右，大盘开始暴跌，机器学习模型并不能躲过大跌，几乎天天被按在跌停板上摩擦，最终这波熊市虽然没亏钱，但是也没挣到什么钱。
后来就做个复盘，发现模型计算的结果在顺势会超越大盘收益，逆势会跌更猛，相当于大盘放大器，我的仓位后边加得多，所以亏起来很快。后边虽然还有可改进空间，但我总体结论用历史曲线预测股票走势，是不靠谱的。
为什么机器学习在CTR预估上靠谱，但是在股票走势预测上不靠谱呢？
我觉得有这些原因：
首先，CTR预估是人看广告的点击率，人在某些场景下点击对应广告，是有重复性的，例如刚买了辆汽车，再买点车内除味香水什么还是很不错的，但是股票走势不见得有个这个规律。
第二，CTR预估样本规模足够大(亿级别)，点或不点受群体行为影响较小，但股票走势是个更复杂的博弈系统，所以也很难预测。
第三，股票里你买的是另一个人卖的，点击广告不会说你点了对方不点，没有对手盘的概念。
当然，还有很多其他解释，例如K线和成交量并不能反应走势的全量信息，例如突然出个利好，非常难判断，这里就不一一说了。
这个结论对我最大的影响就是几乎放弃了技术流，不再研究各种技术指标等一众理论了，肯定有人借助技术流挣钱的，我这里并不是否认，但个人感觉不太适合自己，就放弃了，后来就形成了选行业+操作code的一整套简单方法，操作code本质上不是预测股价，也保证不了挣钱，只是为了保证自己不跳坑。
今天的分享就到这里，明天周末，聊点和股票关系不大的，放松一下。
转播
