我们可以看到网上有很多的用LSTM预测股价的模型，这个模型的真的是像极了财神爷！那么它是真的能够达到一定的准确率吗?或者说它真的能给我们带来收益吗？
我们先来看看LSTM，它的英文全称是Long-Short Term Memory，中文叫长短期记忆。它是基于人的记忆特性来的，我们都知道，我们会忘掉低频发生的事情，而记住高频发生的事情。也就是说，你如果经常干一件事，你肯定记得特别清楚，反之如果一个活，你干的少，你肯定就不熟练，不熟练的意思就是你忘了。从逻辑上讲，它比较适合一些比如写文章啦，对话啦这样的任务。由于它本身的特性，很多人将它用来预测股价，它其实也是一个模式识别，也就是说当它发现股价这样这样这样之后，接下来的股价是这样的。一般大家做的都是Seq-to-Price，也就是用多天的股价来预测接下来一天的股价。那么LSTM到底是怎么样的一个原理呢？其实，说白了就是有一个遗忘机制，不常用的它就忘记了。
那么用LSTM模型的预测我们说到底靠谱不靠谱呢？我先用Keras来给出这个模型。
model = Sequential()
model.add(LSTM(32, input_shape=(30, 5), return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(32, return_sequences=False))
model.add(Dropout(0.2))
model.add(Dense(1))
model.add(Activation("relu"))
opt = optimizers.adam(lr=1e-5)
model.compile(loss="mse", optimizer=opt)
这个模型里我们用了2个LSTM层加一个dense层，每个LSTM层均有32个核心。我们用30天的OHLCV数据来预测下一天的Close Price。我们加了dropout来避免过拟合。我们的dense层输出下一天的股价。看到这里大家可能觉得，这么简单的模型，一定不能工作。好的模型和大小关系不大，那么这个模型工作吗？我们接下来一起来看。它的训练也非常简单，2G 显存的显卡足以搞定它的训练。
这里我们就直接来放出它的预测结果，这个结果看起来是不是非常的激动人心，当然这个结果还是在我对数据没有进行归一化处理之前的结果，进行归一化处理之后的预测更加能让你小鹿乱撞，不，是心潮澎湃，感觉人生到达了高潮。看起来预测的曲线和实际的股价拟合的非常好，在这里再告诉大家一个铁律，一旦你发现你的股价和你的预测吻合的非常好，一定是因为你的图太小，时间周期太长，放大了看看就明白了，另外一个好办法就是用回测来验证你收益率有多少。基本上亏损和盈利都是随机的，并且同样的模型放在一支股票上挺好使，另外一只股票上一坨屎。这就是说明模型的泛化能力不行。
那么是否说明LSTM不行呢？非也，是股价预测不行！你仔细思考一下，你的股价如果在28块，你的股价预测基本都在它左右，最后的曲线拟合很好也很正常。但是股价预测用LSTM为什么不工作呢？很简单，LSTM适合来做文本预测，我们汉字常用字才多少个？股价到分的话一块钱都有100个，这是原因之一，其二，“我”，“在”这两个字是有明确的意义和上下文的，它的搭配是固定的那么多个。那么股价10块和10块1毛之间有固定的联系吗？没有！有180-200个股价和10块的组合是有可能的，对应涨停与跌停！但这不是等于猜吗？所以如果我们要去预测股价，我们至少需要对数据进行一些特殊的离散化处理！这部分我们以后再来讨论。
最后，我们的结论很明确了，用文中的LSTM模型结合OHLCV来预测股价是不靠谱的，尽管看起来很美！了解更多深度学习和量化知识，请移步我的星球：AI量化(https://t.zsxq.com/RvfY37y) 星球限时免费，如需加入，请私信我获得免费邀请码！微信公众号：QTechAI
