大数据预测图标_阿布量化

北京汽车(01958) 大数据预测量化研报

站点地图

预测北京汽车(01958)一周后的价格(K线图中空心部分):

HK$2.008 -0.012 (-0.61%)
智能AI评分排名:第136名 平均涨跌幅:0.1% 中位涨跌幅:0.19% 最乐观涨跌幅:29.05%
最悲观涨跌幅:-40.15% 上涨样本均值:3.82% 下跌样本均值:-4.06% 上涨样本数:426
下跌样本数:381 涨/跌样本数量比:1.12:1 涨/跌样本总和比:1.05:1 涨/跌样本平均比:0.94:1
日 K     2022.06.13-2022.08.12...2022.08.19
预测北京汽车(hk01958)价格K线图-阿布量化
❄️-4.81%☀️+1.70%☀️+2.57%🌧️-0.02%🌤+0.11%

❄️  第⓵交易日(📆08-15)⇥预测:HK$1.9229(-4.81%)

☀️  第⓶交易日(📆08-16)⇥预测:HK$1.9555(+1.70%)

☀️  第⓷交易日(📆08-17)⇥预测:HK$2.006(+2.57%)

🌧️  第⓸交易日(📆08-18)⇥预测:HK$2.005(-0.02%)

🌤  第⓹交易日(📆08-19)⇥预测:HK$2.008(+0.11%)

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: 51.58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4439,上涨比例 51.43% 

🛵   10 交易日 上涨样本数量4614,上涨比例 53.46% 

🚗   15 交易日 上涨样本数量4920,上涨比例 57.00% 

✈️   20 交易日 上涨样本数量4937,上涨比例 57.20% 

♕ 多巴胺生物模型组→样本数:2917,综合得分: 51.07分 

🥈  多巴胺模型匹配2917条样本中未来:

🚲   5 交易日 上涨样本数量1500,上涨比例 51.43% 

🛵   10 交易日 上涨样本数量1545,上涨比例 52.97% 

🚗   15 交易日 上涨样本数量1629,上涨比例 55.87% 

✈️   20 交易日 上涨样本数量1655,上涨比例 56.75% 

♖ 量化形态模型组→样本数:412,综合得分: 54.49分 

🥉  量化形态模型匹配412条样本中未来:

🚲   5 交易日 上涨样本数量220,上涨比例 53.56% 

🛵   10 交易日 上涨样本数量242,上涨比例 58.74% 

🚗   15 交易日 上涨样本数量252,上涨比例 61.26% 

✈️   20 交易日 上涨样本数量235,上涨比例 57.14% 

♛ 北京汽车(01958)的智能AI大数据评分:  51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召回模型从北京汽车(01958)和识别出的(abu-relate-f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807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:51.58)、多巴胺生物模型组(样本数:2917,综合得分:51.07)、量化形态模型组(样本数:412,综合得分:54.49)。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:51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
有人说:什么消费能力代表什么人群,因此我们能从一个人的花钱方式看出一个人基本的素质和心态。--金融老手