大数据预测图标_阿布量化

邮储银行(01658) 大数据预测量化研报

站点地图

预测邮储银行(01658)一周后的价格(K线图中空心部分):

HK$4.98 +0.01 (+0.27%)
智能AI评分排名:第192名 平均涨跌幅:0.14% 中位涨跌幅:0.39% 最乐观涨跌幅:34.86%
最悲观涨跌幅:-42.38% 上涨样本均值:3.44% 下跌样本均值:-3.74% 上涨样本数:450
下跌样本数:383 涨/跌样本数量比:1.17:1 涨/跌样本总和比:1.08:1 涨/跌样本平均比:0.92:1
日 K     2022.06.10-2022.08.12...2022.08.19
预测邮储银行(hk01658)价格K线图-阿布量化
❄️-3.16%☀️+1.79%🌤+0.72%🌧️-0.37%☀️+1.38%

❄️  第⓵交易日(📆08-15)⇥预测:HK$4.81(-3.16%)

☀️  第⓶交易日(📆08-16)⇥预测:HK$4.90(+1.79%)

🌤  第⓷交易日(📆08-17)⇥预测:HK$4.93(+0.72%)

🌧️  第⓸交易日(📆08-18)⇥预测:HK$4.92(-0.37%)

☀️  第⓹交易日(📆08-19)⇥预测:HK$4.98(+1.38%)

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: 47.46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4279,上涨比例 49.58% 

🛵   10 交易日 上涨样本数量4285,上涨比例 49.65% 

🚗   15 交易日 上涨样本数量4441,上涨比例 51.45% 

✈️   20 交易日 上涨样本数量4482,上涨比例 51.93% 

♕ 多巴胺生物模型组→样本数:2679,综合得分: 48.75分 

🥈  多巴胺模型匹配2679条样本中未来:

🚲   5 交易日 上涨样本数量1358,上涨比例 50.70% 

🛵   10 交易日 上涨样本数量1392,上涨比例 51.96% 

🚗   15 交易日 上涨样本数量1414,上涨比例 52.79% 

✈️   20 交易日 上涨样本数量1400,上涨比例 52.29% 

♖ 量化形态模型组→样本数:418,综合得分: 50.84分 

🥉  量化形态模型匹配418条样本中未来:

🚲   5 交易日 上涨样本数量215,上涨比例 51.48% 

🛵   10 交易日 上涨样本数量233,上涨比例 55.93% 

🚗   15 交易日 上涨样本数量226,上涨比例 54.24% 

✈️   20 交易日 上涨样本数量227,上涨比例 54.45% 

♛ 邮储银行(01658)的智能AI大数据评分:  49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召回模型从邮储银行(01658)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833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:47.46)、多巴胺生物模型组(样本数:2679,综合得分:48.75)、量化形态模型组(样本数:418,综合得分:50.84)。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:49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
不管赚多少钱,不论路有多坎坷,记得回到最初的自己,简单,低调,平安,健康,平淡的生活才是最完美的人生。--金融老手