人工智能大模型原理与应用实战：利用深度学习预测股票市场_大模型预测股票

作者：禅与计算机程序设计艺术

1.背景介绍

1.1 什么是“股市大数据”？

股市大数据是指通过对股票交易数据进行挖掘、分析、预测、检验等一系列计算机化、自动化处理，从而获取新信息、精准决策并开辟新的业务领域的一种模式。它能够帮助公司、政府、投资者及个人更加精确、快速地做出实时投资建议、个性化定制产品，以及建立及维护可靠的技术基础设施。它的基础是海量的高频交易数据，包括每笔交易的成交价格、买卖双方等完整的信息。

1.2 为什么要用“股市大数据”？

在过去的两三十年里，股市已经成为全球金融市场中最重要的经济活动之一。可以说，股市是世界上最大的游戏。无论是在金融、科技、贸易还是制造业都存在着对股市高度依赖的影响。随着人们对股市技术、规模及流动性的理解的深入，以及股市数据对不同行业的价值及有效性的认识，越来越多的人开始关注、参与、创新于股市大数据这个重要的产业。那么，如何从头到尾地用股市大数据做有意义的事情，这就是本文所要讨论的核心主题。

2.核心概念与联系

2.1 分类

按照数据源自的数据结构及应用特点，股市大数据的分类有两种方式：时间序列型和图谱型。

• 时间序列型数据结构 这种类型的数据主要表现为时间或日期作为索引，通过监控和分析股票市场变化规律，从而得出一些股票市场预测模型或信号，并反应市场的走势，如交易量、行情波动率、换手率等。这种数据结构具有简单、集中的特征，因此能很好地满足普通人的需求。

• 图谱型数据结构 这种类型的数据结构又称为网络型数据结构，即将多个相互关联的数据元素存储在一起。通过图谱结构可视化、