重新回來，回到現在
剛剛登錄後，系統提示綁定手機號，欣然綁定。一切都是那麼穩定，註冊名，郵箱，手機號，翻看歷史記錄，感謝博客園！
回來看我的ID，也頗具禪意，子標題是“未來決定現在”，感覺好極了。
（其實寫這篇的想法，是我正在做的系統，主要是數據的預測，有一些想法，但是還很模糊，一定要找個地方說說，就翻到了這裏。加上上面的一些感慨，表明時間對了！）
預測未來也是人們常常提起的話題，包括影視劇文藝作品，以前還只有進入未來，如科幻。現在時間軸都已經佈滿了，比如穿越，是回到過去。不但時間，還有空間，時空穿越。
天氣預報也越來越準了，昨天的雨，雖然仍然有偏差，但是已經超出我的期望值，我也相信未來預測會更加準確。
複雜系統和簡單系統
跟人類社會以及相關係統相比，天氣系統是一個相對單一的系統，可以說如果把影響天氣的關鍵數據找到後，就可以準確預測天氣的下一個運行狀態。
當然，可能存在一種人工影響天氣的行爲，把本來正常的天氣系統，比如在某時間，某個地點進行人工干預，讓雨提前下來。
但是，在天氣系統中，這個干預是少數的，甚至說也是可以預測的。
預測的結果值是一個巨大的數據集
至於說是1小時預測，24小時預測，還是7天預測，不同的時延準確率不同。還有覆蓋空間的準確性，海淀是不是準確，昌平是不是準確，大興是不是準確，不同空間的準確率都可能不同。所以說，到最後發現預測的結果是是一個龐大的數據集，不同需求的用戶需要根據自己的期望來找到數據。
這就跟以往電臺中的天氣預報進步太多了。
以前天氣預報只是說明天北京有雨，我們根本不知道什麼時間有雨，我所處的區域是否會下雨，所以就會產生“天氣預報不準”這種結論
現在的技術手段，手機等智能終端的普及，數據提供商，app開發商的不斷創新，使手機app上就可以查到更多的預測數據，比如分區，分時的預報，不同區域的使用者針對自己的需求獲取預測數據，準確率提高了很多。
其實目前這種不準論也還存在，除了預測系統的原因，（我覺）用別人的預測數據驗證自己區域的情況。
預測和干預
假設預測數據非常準確，像天氣系統這種，人們只要做好防範工作，避免天氣原因帶來的災難就行。對於天氣，人類社會的行爲是一致的，利用天氣系統進行戰爭，犯罪的行爲是少數，利用天氣預報進行獲利雖然有，比如下雨天買傘？不去評說了
但是很多其他的數據預測就不一樣了，比如股市，如果預測某支股票要大漲，那麼股民爲了獲得後續上漲的收益，可能買入股票，同時，已經獲利者可以趁機賣出已有股票，如果賣出量更大，則可能導致股票反而下跌
由於股市是一個複雜的系統，所謂的複雜就是參與其中的交易者可以影響到數據的成交和走勢，這一點同天氣系統是完全不一樣的
還有同股市系統類似的交通系統，我們每天出門時看路況，地圖系統往往會預測一下到達我的目的地的路途是不是有擁堵，我們發現有時預測時不堵，但是實際行駛過程中就會變得擁堵。
交通系統也是一樣，預測不堵的信息被更多的參與者接收到後，都選擇了這條路，那這條路就擁堵了。
還有很多這樣的社會現象，也是一個複雜系統，比如農民種植農產品，工廠生產產品，都會有一定的預測（預測需求、產量、收益），但是實際結果是產品因過剩而導致收益下降。
這些已經接近博弈理論需要解決的問題了，我這裏就不展開了。
到底要不要預測
既然像股市系統、交通系統這種複雜系統干預問題，我們到底要不要預測，如何利用預測數據？
還有應對干預（博弈）的預測系統嗎？
答案當然是肯定的！
要預測，即使原始數據的獲取聚合和清理工作非常大，預測數據的準確度目前可能不是很高，對應目標的收益率也不高，但是仍然不能阻擋我們對預測未來的努力。
要論證這個主題其實可以寫一大堆。（可是我不寫了）
從圖像識別技術（圖像識別也是預測嗎？）的歷史我們就行，從最初的60～70%的正確率，到現在識別率接近完美，甚至帶上口罩都可以識別，人臉識別已經非常實用普及，收益已經顯現。
那如何預測呢？
地球人都可以猜到，當然是機器學習了，不能用之前的技術了。
之所以用了“機器學習”這個術語，而不是用人工智能AI，因爲AI範疇比較大了，不夠具體。我想說的只是一個技術，不是一個虛無的方案和誇誇其談。
其實在很多機器學習的課程中，都會有房價、股票預測和其他很多預測，但是我目前看到代碼和課程中的預測準確率不高（我知道它爲什麼不高，公開的課程不便把關鍵數據的方法拿出來）
在量化交易中，很多團隊也在使用機器學習構建投資策略，成績非常不錯。
具體如何做呢？
以股票數據預測爲例：
嘗試階段：
建立一套機器學習的開發環境（tensorflow，pythorch都可以，我選擇tensorflow 2.x）
獲取股票，建立訓練測試數據。基本的每日k線就行。我通過已有數據的訓練驗證可以達到100%準確率，這可以說明一些情況。
（ 以往股票分析出的股票規律和各種模型、線是有道理的，但是仍然對突然的變化無法預測）
通過不同的模型，數據元素選擇，獲得不同的正確率，目前我的可以達到60～80%，至於爲何差距這麼大，這主要跟訓練數據集的選擇有關係。但是這至少有60%以上的勝率了（有點像賭徒？）
每天收盤數據獲得後預測第二天的預測數據，但是這時已經不能買賣，買不進來賣不出去。只是在第二天開盤到收盤判斷預測的準確性，慢慢建立信心。
問題：
如果預測不準說明什麼？
市場隨機遊走或博弈對抗
實操階段
在嘗試基礎上，增加預測數據的庫，並通過可視化方式進行展示分析。
通過預測第二天的關鍵數據，繼續預測第三天和以後的數據。
建立基於2天的預測數據建立策略模型，每一個策略模型對每一支股票建立成長收益數據，形成新的增強訓練
對於選股
由於初級階段沒有對大勢的把握，所以無法選股，只有在全量股票的策略訓練後，纔可能找到成長好的個股
在策略池和成長數據中找到目標股
後續的文章將慢慢建立對於數據預測的信心