南京高科(sh600064) 大数据预测量化研报

☀️  下个交易日第⓵个小时⇥预测:¥6.89(+1.37%)

🌤  下个交易日第⓶个小时⇥预测:¥6.93(+0.51%)

🌧️  下个交易日第⓷个小时⇥预测:¥6.93(-0.02%)

🌤  下个交易日第⓸个小时⇥预测:¥6.96(+0.50%)

🥇  物理系模型匹配8691条样本中未来:

🚲   5 交易小时 上涨样本数量4819，上涨比例 55.46% 

🛵   10 交易小时 上涨样本数量4732，上涨比例 54.46% 

🚗   15 交易小时 上涨样本数量4658，上涨比例 53.60% 

✈️   20 交易小时 上涨样本数量4600，上涨比例 52.94% 

🥈  多巴胺模型匹配2325条样本中未来:

🚲   5 交易小时 上涨样本数量1297，上涨比例 55.80% 

🛵   10 交易小时 上涨样本数量1278，上涨比例 54.98% 

🚗   15 交易小时 上涨样本数量1247，上涨比例 53.65% 

✈️   20 交易小时 上涨样本数量1220，上涨比例 52.51% 

🥉  量化形态模型匹配454条样本中未来:

🚲   5 交易小时 上涨样本数量234，上涨比例 51.74% 

🛵   10 交易小时 上涨样本数量215，上涨比例 47.40% 

🚗   15 交易小时 上涨样本数量223，上涨比例 49.17% 

✈️   20 交易小时 上涨样本数量223，上涨比例 49.27% 

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召回模型从南京高科(600064)和识别出的(abu-relate-a群类)联动股票在2022-08-01 13:00:00至2022-08-12 14:00:00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884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:8691，综合得分:55.14)、多巴胺生物模型组(样本数:2325，综合得分:55.27)、量化形态模型组(样本数:454，综合得分:50.42)。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：54分