近日,伊朗谢里夫理工大学的一项研究表明,人工智能在预测股市方面存在明显局限性。无论是基于长短期记忆网络(LSTM)、深度神经网络(DNN)还是Transformer的模型,在分析德黑兰证券交易所12只股票时,预测结果均与实际数据相差甚远。
传统股市预测方法如基本面分析和技术分析,仍占据重要地位。前者适合长期投资,后者则适用于短期交易。研究团队随后开发了一种改进模型,通过卷积神经网络(CNN)提取历史数据中的模式,并调整对随机波动的敏感度,以预测市场趋势而非具体价格。尽管如此,该模型在嘈杂和混沌的股市环境中仍难以达到高精度。这一结论提醒我们,AI在复杂金融市场中的应用仍需谨慎对待。