大数据预测图标_阿布量化

螺纹钢国内期货(RB) 大数据预测量化研报

站点地图

预测螺纹钢国内期货(RB)未来5小时后的价格(K线图中空心部分):

¥4047.69 -113.31 (-2.72%)
智能AI评分排名:第8名 平均涨跌幅:0.02% 中位涨跌幅:0.15% 最乐观涨跌幅:4.32%
最悲观涨跌幅:-6.51% 上涨样本均值:1.19% 下跌样本均值:-1.41% 上涨样本数:71
下跌样本数:58 涨/跌样本数量比:1.22:1 涨/跌样本总和比:1.03:1 涨/跌样本平均比:0.84:1
小时 K     2021.11.22 10:00:00-2021.11.30 00:00:00...2021.11.30 05:00:00
预测螺纹钢国内期货(RB0)价格K线图-阿布量化
❄️-2.90%🌧️-0.56%🌤+0.35%🌤+0.84%🌧️-0.44%

❄️  下个交易日第⓵个小时⇥预测:¥4040.21(-2.90%)

🌧️  下个交易日第⓶个小时⇥预测:¥4017.77(-0.56%)

🌤  下个交易日第⓷个小时⇥预测:¥4031.94(+0.35%)

🌤  下个交易日第⓸个小时⇥预测:¥4065.78(+0.84%)

🌧️  下个交易日第⓹个小时⇥预测:¥4047.69(-0.44%)

上述'平均涨跌幅','下跌样本数','上涨样本数'等等是基于量化形态模型组匹配结果样本进行分析,其它模型组简述如下:

♔ 物理系模型组→样本数:1231,综合得分: 54.37分 

🥇  物理系模型匹配1231条样本中未来:

🚲   5 交易小时 上涨样本数量615,上涨比例 50.00% 

🛵   10 交易小时 上涨样本数量636,上涨比例 51.73% 

🚗   15 交易小时 上涨样本数量686,上涨比例 55.74% 

✈️   20 交易小时 上涨样本数量687,上涨比例 55.88% 

♕ 多巴胺生物模型组→样本数:365,综合得分: 54.90分 

🥈  多巴胺模型匹配365条样本中未来:

🚲   5 交易小时 上涨样本数量187,上涨比例 51.32% 

🛵   10 交易小时 上涨样本数量198,上涨比例 54.43% 

🚗   15 交易小时 上涨样本数量202,上涨比例 55.52% 

✈️   20 交易小时 上涨样本数量197,上涨比例 54.20% 

♖ 量化形态模型组→样本数:65,综合得分: 57.86分 

🥉  量化形态模型匹配65条样本中未来:

🚲   5 交易小时 上涨样本数量28,上涨比例 44.19% 

🛵   10 交易小时 上涨样本数量37,上涨比例 57.14% 

🚗   15 交易小时 上涨样本数量40,上涨比例 62.00% 

✈️   20 交易小时 上涨样本数量41,上涨比例 64.00% 

♛ 螺纹钢国内期货(RB)的智能AI大数据评分:  55分 

投资品的价量时间序列是一种独特信息结构的序列数据,有着金融市场特有的人群博弈背景产生的特殊的时序价量特征。从数据底层的基础计算公式到abu-k-神经元的设计以及族群模型的框架结构,阿布量化设计了许多独有的算法和特殊的结构,专门处理金融市场的价量时序数据

abu-attention召回模型从螺纹钢国内期货(RB)和识别出的(abu-relate-e群类)联动股票在2021-11-25 15:00:00至2021-11-30 00:00:00期间产生的869.15万条历史走势数据中,刷选出最具投票权的129个数据时间点,并评估attention(注意力)权重

阿布量化训练了数个从不同角度识别量化特征的评分模型,整体上分为三个系别:物理模型组(样本数:1231,综合得分:54.37)、多巴胺生物模型组(样本数:365,综合得分:54.90)、量化形态模型组(样本数:65,综合得分:57.86)。不同系别模型群从不同角度(主要物理交易实体分析、人群心理、图表等三个方向)评估走势,系别的模型群是由若干个独有的识别算法和参数遗传淘汰,组成族群,加权投票评分

阿布量化结合AI-形态生成模型生成的近期最可能的走势和其余各项评估,智能AI大数据预测评分结果:55分

有别于智能AI大数据预测评分,涨跌幅预测基于不同的AI模型,即有可能出现预测价格上涨,但预测评分很低,也存在预测价格下跌,但预测评分很高的情况,预测评分的置信度高于预测涨跌幅的置信度,需要综合进行考量分析

智能预测的结果仅基于大数据的统计分析计算,仅供阅读,未来的走势还受整个市场氛围,个股基本面、上市公司的偶然事件等多种不可预估的因素影响(周报的AI预测的阅读意义大于日报)

📖 了解更多关于AI智能预测 AI智能涨跌幅预测 == 瞎猜?
鸡汤
一个耐不了平淡如水的人,生活一定不会过的很开心的。--金融老手