大智慧软件结合人工智能的选股方法

特别说明：本帖提供了一种选股方法，不提供具体技术细节。相关内容仅限于技术交流，供相关人员交流学习。不保证相关方法的适用性，真实性和可靠性。三人行，必有我师，欢迎各位在跟帖中把自己好的选股思路展现出来。以下人员请绕道：会编点指标和/或程序就自认为老子天下第一，不虚心学习，还到处对他人进行人身攻击的人员。

 使用大智慧来进行AI（人工智能）选股的原因是：(1)除大周期数据之外，大智慧还能够提供海量的实时全推分时分笔数据，而大数据是人工智能改进的必要条件，没有此类数据，要实现精准AI选股是不可能的；(2)大智慧强大的排序功能具有可视性和直观性，能够在复盘时实现AI的学习改进和提高；(3)大智慧指标语言和麦克语言一样，虽然不能用来进行自动深度学习，但实现一定程度的AI学习、改进和提高还是可以的，但条件是要事先为其提供具有相关性的数据项。
 以下为用于9:15-9:30选股的AI模板截图，该AI模板的学习提高时间不到6天，相信在基于后期大量实时数据的基础上会越来越好。图中人工智能选股输出项中的输出数值分为三类：(1)数值为正数（值越大越好，大于或等于38的个股当天涨停的可能性很大。今天数值大于38的个股为002036联创电子、002753永东股份，中午收盘时分别上涨8.67%和10.01%）；(2)数值为0（一般为将要开始启动的龙头股输出值，今天数值为0的个股为000672上峰水泥，中午收盘时已经涨停）；以及(3)数值为负数（负数值越小越好，小于或等于-38的个股一般为当天还能涨停的强势股今天数值小于-38的个股为002110三钢闽光，中午收盘时该股已经涨停），具体参看下图：

人工智能用在交易市场，首先得搞明白人工智能的应用定义，比如自动驾驶，从其应用场景就很容易看出，1、机器决定行为（股市就是选股策略）。
2、应对动态数据。3、做出的响应必须最大可能的贴近真实 。在自动驾驶中，对于道路出现的固定和非固定的状况，人工智能在计算中不仅要包含还要定义最终要决定，而道路这个应用场景本身是固定的，特别是现实中已经有明确定义，比如高速。这样人工智能可以在固定的范围内进行数据的分析，得到的结果真实性和可靠程度都很高。对于静态数据，比如人脸识别，只要数据足够丰富，突破在算法上很容易！人工智能最终面对的不是在不同时间有多样思维动作的人，而固定模式下有单一行为的个体，道路上的汽车，镜头中的人脸。而股市是博弈组成，这就代表，不仅数据是动态的，行为模式不是固定的，连类似的行为模式是不是同一场景都无法确立，人工智能面对这些问题，就要求策略不仅能进行大量的数据分析，还要动态决定采用的分析算法，同时要进行效率优化。
 你的思路跟多数的选股策略没什么不同，无论是多样排序，还是设定参考数值，无非是同时间段内的计算进行扩展，参考数值就是计算曲线在同一点上的共振效果。如果是人工智能，无论是排序还是参考数值，最基本的部分，随着交易时间推进，应该把相同特征的品种聚集在一起，而达成这个目的策略需要根据市场的演进而选用不同计算方式，简单的，强势和弱势的区分。不是某个点上选出的品种最具备的可能！这跟现有的股池或其他什么选股方式没有区别，因为市场博弈行为有随机性，动态应变是每天走势图形成的最显著特征。你能想象自动驾驶的汽车在你刚座进去，就告诉你今天路上一路畅通，为了你的目的，可以提升高速狂飙的可能？
 至于大智慧上搞什么人工智能，软件问题就不谈了，你有参考数值，那简单了，直接在报价表中筛选一下，做不到！股池好像可以做到，哦，那排序一下，股池做不到，报价表似乎可以，那最容易的Excel中，既可以筛选也可以排序，让大智慧实时输出计算结果到Excel再将排序和筛选内容回送回来，大智慧头有点大吧！在数据接口都不透明的工具上，连最基本的数据流的实现都相当麻烦！你说脚本能搞出个人工智能？还要自动学习！还是脚踏实地吧

关于人工智能方面我也考虑过，要在大智慧实现的确有难度
 人工智能选股大体可以分为几种大思路，
 一个是类似神经网络模型，让系统自动做策略选择，用支持向量机（svm）对标的做多维切割来选出赢率大的股票，是一种非线性拟合模型
 还有一个思路是通过机器学习，对股票做大量数据回测分析，找出特征要素，将这些要素记录在学习库中，然后由系统监控这些要素的阀值再进行交易决策的判断，这种是类似线性拟合的模型，常用的有随机森林模型等
 还有一些其他的AI模型，不过能够了解的资料不多，
 不过这些都是要建立在数据库基础上的，大智慧本身的自定义数据很难满足这样的数据处理，而且模型构建也是很难，然而最关键的是博弈市场特别是股市人为操纵的情况非常多，这给建立模型和机器学习带来很大难度。
 要解决大智慧外挂数据库很容易，我就写过这样的DLL可以挂载小型数据库，并且速度也是够用，但是建立AI模型就难住了