最终靠谱的不是模型，而是你给模型了什么特征。
这个特征在机器学习里叫特征，在量化投资里叫因子，至于如何挖掘靠谱的因子，那就是另一门学问和技术了，这也是大小量化投资机构量化投资研究员吃饭的手艺，必然不是仅仅靠一个End-to-End的深度学习模型就能搞定的了。
根据第一点股票预测这件事情肯定是可以做的，因为股票预测是数据挖掘的问题，无非也就是根据一堆数据分析去得出一个分类而已：{0：涨，1：跌}。但是，用Deep learning去做靠谱吗？
注意到了人工下单几个普遍的习惯 逆向考虑这些习惯能产生什么影响
历史回测
然后实盘测试
结果都非常稳健 仅有的问题就是赚钱不够快而已。。。
我们ML教授曾经说，虽然机器学习研究这么火热，但是在业界90%以上的应用仍然使用的是线性模型，尤其是在Predicative Learning（预测学习）领域。
https://www.zhihu.com/question/27420308
Ran:
预测股票这事不需要绝对靠谱，无论是不是用深度学习。也不太可能很靠谱。不过只要我们确实能发现一些特征在用于交易的时候，比我随机去猜要靠谱，那其实就够了。比如选股，我是用深度学习的，更感觉这深度学习模型很像多因子模型，只不过比多因子模型更灵活，权重分配的也许更加合理。每天给我选的50支股票，其中1/3多都在跌。但是另外的部分在长。长期来看，还是能轻松跑赢大盘的，除去交易成本，年化收益还是比较可观。顺便说一下，要是你用深度学习来处理金融行情，首先使用方法就不能参照图像识别领域使用的方法已经相关经验，不然错的会很离谱。
你指我用的什么模型架构？一个混合架构，可以看成一个集成学习，包含了auto-encoder and decoder，CNN，和树状结构。没用大家都以为分析时序最厉害的RNN结构，例如LSTM。亲测RNN不是说不好，而是性价比不高。
选因子确实很关键，也不一定非得是没人发现的。实践证明有几个常见的因子和其他因子有很强的非线性关系，还是能看出一些猫腻。
可参考：
https://zhuanlan.zhihu.com/p/35756191
https://github.com/Ceruleanacg/Personae
二、代码
https://www.youtube.com/watch?v=H6du_pfuznE
https://github.com/krishnaik06/Stock-MArket-Forecasting