背景
人工智能很火，各种秀。股票让人欢喜让人忧。它们结合能擦出什么样的火花？
我从去年5月学编程，树立目标：数据分析股市，做快乐盈利股民。达成阶段目标：预测股票涨停。特写文章记录和分享，也看能不能“卖铲子”。
前提假设和资源做事需要一些前提或假设。用人工智能预测涨停，我认为基于以下假设：
股市随机但有规律，是一种混沌状态。
股票当日涨停表现，影响隔日走势。
人能学习，能通过复盘提升交易水平。同样，用正确的方法也能让电脑学习和发现规律。
做事也要有资源。使用人工智能（机器学习）要有数据、算法和软硬件。大数据时代，数据已不是问题。科学家们研究出很多算法。技术大牛开发很多神奇软件。计算机硬件也突飞猛进。总之，技术进步让人工智能得以实现。
概念解释人工智能是宽泛的概念，泛指一切机器智能。而机器学习和深度学习是实现技术。核心是软件、算法和数据，算法简单说就是数学公式。
举个深度学习的简单例子：用一个软件，输入大量有标记的猫狗图片，训练出模型后，另输入一张图片，模型能判别出是猫还是狗。
目标利用人工智能（机器学习），分析当日涨停数据，预测第二天能否涨停（连板）。
数据准备我收集了2017年至今涨停股数据。
剔除一字板，因为一字板最容易涨停，但没交易机会。剔除新股，st股，科创板股。计算出其他衍生指标。特性（特征）有41个，比如：开板次数，封板时间，涨停类型，当日平均封板成功率等。用2020年之前的26774条数据训练模型，今年的数据验证模型。
方法筛选因数据太少，不能用深度学习，我也不会相关软件框架，所以用机器学习。
最初手工比较算法好坏，效率低。碰巧有大牛发布神器pycaret，可自动比较算法、调整参数，节省了大量时间和精力。比较了十几种算法后，梯度提升树胜出，而catboost最佳。
结果让人失望我采用分类算法，标签是第二天涨停与否，效果不佳。精准率0.46，召回率0.26，下面是ROC曲线图。因为树模型天生过拟合，在今年的数据上表现更差。
模型在今年1-3月数据的表现
总之就是，只比瞎猜好一点。很多朋友可能不懂这些指标。我也是一知半解，只知道如何用来评价。简单说：预测10个涨停，对错各半，5成胜率，另外漏掉40个。
看到这结果我很沮丧，辛辛苦苦学知识，拼命捣鼓。结果证明没用白忙活，竹篮打水一场空。
不死心，开始对比算法，疯狂调参，还是没什么用。都要放弃时，有了转机。
峰回路转，还有希望在人工智能界有句话，进去的是垃圾，出来的也是垃圾。还有一句话，决定模型上限的是数据，而算法只是无限逼近这个上限。它们都强调数据比算法重要。据此断定，预测效果差，不是因为算法和参数。
难道假设有错，股票能否连板和昨天没关系？这不合常理，另外预测结果虽然差，但也有学习到规律。
问题应该是数据不足。我尝试通过现有数据计算出几个新特征，效果只提升了一点点。
我就想今天的数据不足，那能用第二天的数据吗？诶，开盘涨幅是重要指标，不仅有5分钟空档时间，另外不是立马涨停，用开盘价不耽误做交易。于是就在模型里添加了开盘价，结果不错哦。精准率0.58，召回率0.56，下面是ROC曲线图。AUC面积提升了10个点，而且过拟合减小了。
添加开盘涨幅后的表现
再简单说就是，预测10个涨停，6个对4个错，6成胜率，但只漏掉10个。
而且预测出的是涨停概率，默认高于50%判定涨停。可以提高这个标准，比如高于70%。于是我尝试调整。结果是预测10个涨停，7个对3个错，漏掉20个，即7成的胜率。
这个结果就有意义咯。
结论使用人工智能可以有限预测涨停（连板）。
但只靠当天数据，胜率低，错误率高，漏掉很多。所以风险大，参考价值小。
如果添加第二天开盘情况，再提高判定标准后，就能有7成的胜率，漏掉也少。所以风险减小，赢面变大，有参考价值。
需要说明的是，这只是平均水平，不代表每次预测结果都让人满意，会有波动。另外预测是以分析历史数据为基础，未来是否重演，会不会发生变化，不确定！
所以，没有免费的午餐，挣钱需担风险。但有人工智能协助，加上正确的交易系统，严格执行交易纪律。期望收益可保证为正，长期坚持肯定盈利，能发财！
