大数据预测图标_阿布量化

TCL集团(sz000100) 大数据预测量化研报

站点地图

预测TCL集团(000100)一周后的价格(K线图中空心部分):

¥4.43 -0.03 (-0.61%)
智能AI评分排名:第153名 平均涨跌幅:0.22% 中位涨跌幅:0.14% 最乐观涨跌幅:14.68%
最悲观涨跌幅:-9.7% 上涨样本均值:2.48% 下跌样本均值:-2.34% 上涨样本数:42
下跌样本数:37 涨/跌样本数量比:1.14:1 涨/跌样本总和比:1.21:1 涨/跌样本平均比:1.06:1
日 K     2022.06.13-2022.08.12...2022.08.19
预测TCL集团(sz000100)价格K线图-阿布量化
❄️-4.19%🌧️-0.44%☀️+2.32%☀️+1.05%🌤+0.77%

❄️  第⓵交易日(📆08-15)⇥预测:¥4.27(-4.19%)

🌧️  第⓶交易日(📆08-16)⇥预测:¥4.25(-0.44%)

☀️  第⓷交易日(📆08-17)⇥预测:¥4.35(+2.32%)

☀️  第⓸交易日(📆08-18)⇥预测:¥4.40(+1.05%)

🌤  第⓹交易日(📆08-19)⇥预测:¥4.43(+0.77%)

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:714,综合得分: 52.57分 

🥇  物理系模型匹配714条样本中未来:

🚲   5 交易日 上涨样本数量376,上涨比例 52.78% 

🛵   10 交易日 上涨样本数量377,上涨比例 52.82% 

🚗   15 交易日 上涨样本数量402,上涨比例 56.42% 

✈️   20 交易日 上涨样本数量435,上涨比例 61.04% 

♕ 多巴胺生物模型组→样本数:198,综合得分: 45.79分 

🥈  多巴胺模型匹配198条样本中未来:

🚲   5 交易日 上涨样本数量99,上涨比例 50.00% 

🛵   10 交易日 上涨样本数量92,上涨比例 46.56% 

🚗   15 交易日 上涨样本数量92,上涨比例 46.67% 

✈️   20 交易日 上涨样本数量104,上涨比例 52.67% 

♖ 量化形态模型组→样本数:40,综合得分: 51.01分 

🥉  量化形态模型匹配40条样本中未来:

🚲   5 交易日 上涨样本数量20,上涨比例 50.00% 

🛵   10 交易日 上涨样本数量20,上涨比例 51.85% 

🚗   15 交易日 上涨样本数量20,上涨比例 52.00% 

✈️   20 交易日 上涨样本数量25,上涨比例 62.96% 

♛ TCL集团(000100)的智能AI大数据评分:  53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TCL集团(000100)和识别出的(abu-relate-b群类)联动股票在2022-07-18至2022-08-12期间产生的863.23万条历史走势数据中,刷选出最具投票权的79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:714,综合得分:52.57)、多巴胺生物模型组(样本数:198,综合得分:45.79)、量化形态模型组(样本数:40,综合得分:51.01)。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:53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
人生最悲剧的就是,每天辛苦工作,最后居然还没赚到钱,而且还会被人讥笑。其实敢于承认自己,没钱就是没钱,但仍在努力中就好。能自然微笑着面对这些,就一定过得自然洒脱些。--金融老手