大家好，今天小编关注到一个比较有意思的话题，就是关于股票投资相关案例的问题，于是小编就整理了2个相关介绍股票投资相关案例的解答，让我们一起看看吧。
有哪些专门讲股票案例的书？
专门讲股票案例的书很多。但是其中大多都是错误的或故意误导的书籍。
看了这些专门上讲股票案例的书，真的不如不看。
比如当年轰动一时的《短线是银》中的股票案例非常多，但是大多是马后炮式的案例。都是用已经是大牛股的形态来进行案例讲解。如果在实战中套用这些多方炮、空中加油等形态往往会亏得什么也不剩。
因为这样的案例向人灌输的是这样一种理念——只要按图索骥就能轻松捕捉大牛股。
我在年轻时是买完书看完后才发现这本书逻辑上的问题。但是我已经掏出银子买了这本书了。这钱已经进了唐某人的口袋了。我这是吃亏买了一个教训。幸亏我发现了问题，虽然被姓唐的骗走几元钱书费，但总比那些按着书中形态操作亏了上百万元的人的结局好得多！
还有《只铁战法》、《善战者》、《百战穿杨》等讲股票案例的书，但其中的误导太多，可借鉴的地方较少。
国外的讲股票案例的书要比国内的质量好不少。其中《股票大作手回忆录》应属于一流的讲短线操作股票的案例书。值得新手好好读下。
还有《彼得林奇的成功投资》、《约翰聂夫谈投资》、《海龟交易法则》都不错。
如果说看书就能炒好股票，那么那些学霸应该都是炒股高手了，而事实并不是这样。股票市场跟很多方面因素是息息相关的，不是靠几张技术图就可以准确预估走势的。
案例可以分析，但没有重复，任何一天的走势都是独一无二的。
电脑计算能力越来越强大，也无法准确汇出走势图。所以还是靠经验和心态。
以神经网络为核心的智能算法是否可以预测股票价格？
这个问题是很具有争议的，如果单纯从技术的角度而言，当数据样本足够大，一定可以训练出一种适合的模型。但是这个问题不仅仅是一个纯技术问题，还涉及到很多其他领域的问题。
那么，单纯从技术角度来看，目前技术环境能否满足这个需求呢？其实还是有差距的，首先我们需要足够大的数据样本，那么就目前的股票市场而言，每年产生的数据点也就百万级别，这样的一个数据量根本不足以能够训练出一个可以完美甚至不太完美的预测股票价格的模型。
其次我们假设的是一个理想的环境，股票价格完全是由正常的市场规则决定的，那么当数据量达到一个规模以后，我们可能能够训练出一个合适模型。但是，股票市场并不是一个完全理想的市场，在实际的股票市场上会存在这各种各样的变数，比如会有组织性的恶意注入资金或者撤离资金来影响市场走向，再或者，股票价格会受到公司的突发性变化会影响股票的价格，再或者，股票市场会受到金融业的各种变化所造成的影响，比如银行业的相关调整，而这些变化很可能是政策性的，那么这种类型的变化是无法预测的。再或者，每个国家的政策也会对故事有着不同的影响，比如我国国家对于股市的宏观调控所造成的影响，这些都是主观意识，无法被预测的。
或许有人会说，这些因素也可以加入的模型中，那么如果这样的话，这个模型会达到一个怎样的复杂程度，至少我个人感觉进些年的AI发展无法达到这个程度。至于未来，我们只能期待技术的发展了。
如果是短期预测很难，这就好像问智能算法能不能预测人们的心理一样，股票的价格除了与公司业绩、大环境有关，还和大众的心理有关。连牛顿都说：“我可以预测天体的运动,但无法预测人们的疯狂。”
如果是长期预测还是可以做到的，但也不可能是100%准确。
能预测到一部分走向，但是想完全或者大几率预测准是不可能的，原因是影响股票波动的因素太多了，例如：疫情，一些突发因素，一些人为因素，这些都是些不确定因素，但是很容易影响到股票的波动，所以神经网络智能算法也不能大几率预测股票走向！
毫无疑问，优秀的神经网络模型能够更加准确地预测股票未来走势。
如何才能创建一个优秀的神经网络模型呢？
1． 选择关联度高的因子
举个例子，要预测一个人是男还是女，有以下两组因子可供选择：
A. 头发颜色、皮肤颜色、是否双眼皮
B. 是否长胡子、是否有喉结、体重
这简直就是送分题，选项B几乎能够完全准确的预测出真实结果。
所以要想创建优秀的神经网络模型，必须选择关联度高的因子。
2． 选择合理的神经网络架构
同样的因子，在不同的神经网络架构下，预测出的结果会大不相同。
到此，以上就是小编对于股票投资相关案例的问题就介绍到这了，希望介绍关于股票投资相关案例的2点解答对大家有用。
