大数据预测图标_阿布量化

大悦城地产(00207) 大数据预测量化研报

站点地图

预测大悦城地产(00207)一周后的价格(K线图中空心部分):

HK$0.27134 +0.00134 (+0.50%)
智能AI评分排名:第281名 平均涨跌幅:0.59% 中位涨跌幅:0.0% 最乐观涨跌幅:426.23%
最悲观涨跌幅:-18.96% 上涨样本均值:4.77% 下跌样本均值:-3.66% 上涨样本数:420
下跌样本数:411 涨/跌样本数量比:1.02:1 涨/跌样本总和比:1.33:1 涨/跌样本平均比:1.3:1
日 K     2022.06.10-2022.08.12...2022.08.19
预测大悦城地产(hk00207)价格K线图-阿布量化
🌤+0.03%☀️+2.63%⛈-1.52%⛈-1.25%🌤+0.66%

🌤  第⓵交易日(📆08-15)⇥预测:HK$0.27007(+0.03%)

☀️  第⓶交易日(📆08-16)⇥预测:HK$0.27719(+2.63%)

 第⓷交易日(📆08-17)⇥预测:HK$0.27298(-1.52%)

 第⓸交易日(📆08-18)⇥预测:HK$0.26957(-1.25%)

🌤  第⓹交易日(📆08-19)⇥预测:HK$0.27134(+0.66%)

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: 48.41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4530,上涨比例 52.49% 

🛵   10 交易日 上涨样本数量4247,上涨比例 49.20% 

🚗   15 交易日 上涨样本数量4520,上涨比例 52.37% 

✈️   20 交易日 上涨样本数量4518,上涨比例 52.34% 

♕ 多巴胺生物模型组→样本数:2721,综合得分: 48.51分 

🥈  多巴胺模型匹配2721条样本中未来:

🚲   5 交易日 上涨样本数量1389,上涨比例 51.06% 

🛵   10 交易日 上涨样本数量1341,上涨比例 49.32% 

🚗   15 交易日 上涨样本数量1453,上涨比例 53.42% 

✈️   20 交易日 上涨样本数量1442,上涨比例 53.01% 

♖ 量化形态模型组→样本数:422,综合得分: 50.97分 

🥉  量化形态模型匹配422条样本中未来:

🚲   5 交易日 上涨样本数量230,上涨比例 54.51% 

🛵   10 交易日 上涨样本数量226,上涨比例 53.57% 

🚗   15 交易日 上涨样本数量229,上涨比例 54.48% 

✈️   20 交易日 上涨样本数量228,上涨比例 54.08% 

♛ 大悦城地产(00207)的智能AI大数据评分:  47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召回模型从大悦城地产(00207)和识别出的(abu-relate-d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831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:48.41)、多巴胺生物模型组(样本数:2721,综合得分:48.51)、量化形态模型组(样本数:422,综合得分:50.97)。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:47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
面对不确定的行情,我们所能控制的是我们自己。----恭候小姐早点回家过年!--金融老手