大数据预测图标_阿布量化

中环股份(sz002129) 大数据预测量化研报

站点地图

预测中环股份(002129)一周后的价格(K线图中空心部分):

¥48.29 -2.28 (-4.52%)
智能AI评分排名:第142名 平均涨跌幅:-0.24% 中位涨跌幅:-0.12% 最乐观涨跌幅:18.35%
最悲观涨跌幅:-31.73% 上涨样本均值:3.1% 下跌样本均值:-3.45% 上涨样本数:400
下跌样本数:417 涨/跌样本数量比:0.96:1 涨/跌样本总和比:0.86:1 涨/跌样本平均比:0.9:1
日 K     2022.06.13-2022.08.12...2022.08.19
预测中环股份(sz002129)价格K线图-阿布量化
🌧️-0.99%⛈-1.06%❄️-7.46%☀️+2.01%☀️+3.26%

🌧️  第⓵交易日(📆08-15)⇥预测:¥50.07(-0.99%)

 第⓶交易日(📆08-16)⇥预测:¥49.54(-1.06%)

❄️  第⓷交易日(📆08-17)⇥预测:¥45.84(-7.46%)

☀️  第⓸交易日(📆08-18)⇥预测:¥46.76(+2.01%)

☀️  第⓹交易日(📆08-19)⇥预测:¥48.29(+3.26%)

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:8632,综合得分: 51.88分 

🥇  物理系模型匹配8632条样本中未来:

🚲   5 交易日 上涨样本数量4379,上涨比例 50.73% 

🛵   10 交易日 上涨样本数量4583,上涨比例 53.10% 

🚗   15 交易日 上涨样本数量4997,上涨比例 57.90% 

✈️   20 交易日 上涨样本数量5054,上涨比例 58.56% 

♕ 多巴胺生物模型组→样本数:2435,综合得分: 54.84分 

🥈  多巴胺模型匹配2435条样本中未来:

🚲   5 交易日 上涨样本数量1348,上涨比例 55.36% 

🛵   10 交易日 上涨样本数量1382,上涨比例 56.78% 

🚗   15 交易日 上涨样本数量1443,上涨比例 59.26% 

✈️   20 交易日 上涨样本数量1478,上涨比例 60.71% 

♖ 量化形态模型组→样本数:413,综合得分: 57.81分 

🥉  量化形态模型匹配413条样本中未来:

🚲   5 交易日 上涨样本数量238,上涨比例 57.74% 

🛵   10 交易日 上涨样本数量245,上涨比例 59.41% 

🚗   15 交易日 上涨样本数量268,上涨比例 65.03% 

✈️   20 交易日 上涨样本数量255,上涨比例 61.84% 

♛ 中环股份(002129)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召回模型从中环股份(002129)和识别出的(abu-relate-g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817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:8632,综合得分:51.88)、多巴胺生物模型组(样本数:2435,综合得分:54.84)、量化形态模型组(样本数:413,综合得分:57.81)。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
不要花费太多的时间思索追悔过去,不会再改变什么。与其把时间花在消沉过去上,不如制定人生的小计划去积极的执行。--金融老手