大数据预测图标_阿布量化

PayPal(PYPL) 大数据预测量化研报

站点地图

预测PayPal(PYPL)未来6小时后的价格(K线图中空心部分):

$275.67 -11.21 (-3.91%)
智能AI评分排名:第159名 平均涨跌幅:-0.19% 中位涨跌幅:-0.25% 最乐观涨跌幅:23.14%
最悲观涨跌幅:-11.38% 上涨样本均值:1.91% 下跌样本均值:-1.88% 上涨样本数:366
下跌样本数:455 涨/跌样本数量比:0.8:1 涨/跌样本总和比:0.82:1 涨/跌样本平均比:1.02:1
小时 K     2021.08.30 15:00-2021.09.09 15:00...2021.09.09 21:00:00
预测PayPal(usPYPL)价格K线图-阿布量化
🌤+0.17%🌧️-0.14%🌧️-0.58%⛈-1.56%⛈-1.94%🌤+0.10%

🌤  下个交易日第⓵个小时⇥预测:$287.37(+0.17%)

🌧️  下个交易日第⓶个小时⇥预测:$286.96(-0.14%)

🌧️  下个交易日第⓷个小时⇥预测:$285.30(-0.58%)

 下个交易日第⓸个小时⇥预测:$280.86(-1.56%)

 下个交易日第⓹个小时⇥预测:$275.41(-1.94%)

🌤  下个交易日第⓺个小时⇥预测:$275.67(+0.10%)

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:8691,综合得分: 48.57分 

🥇  物理系模型匹配8691条样本中未来:

🚲   5 交易小时 上涨样本数量3971,上涨比例 45.70% 

🛵   10 交易小时 上涨样本数量4187,上涨比例 48.19% 

🚗   15 交易小时 上涨样本数量4225,上涨比例 48.62% 

✈️   20 交易小时 上涨样本数量4141,上涨比例 47.65% 

♕ 多巴胺生物模型组→样本数:2413,综合得分: 46.86分 

🥈  多巴胺模型匹配2413条样本中未来:

🚲   5 交易小时 上涨样本数量1051,上涨比例 43.56% 

🛵   10 交易小时 上涨样本数量1111,上涨比例 46.05% 

🚗   15 交易小时 上涨样本数量1146,上涨比例 47.50% 

✈️   20 交易小时 上涨样本数量1114,上涨比例 46.19% 

♖ 量化形态模型组→样本数:415,综合得分: 45.58分 

🥉  量化形态模型匹配415条样本中未来:

🚲   5 交易小时 上涨样本数量176,上涨比例 42.54% 

🛵   10 交易小时 上涨样本数量173,上涨比例 41.86% 

🚗   15 交易小时 上涨样本数量199,上涨比例 47.99% 

✈️   20 交易小时 上涨样本数量190,上涨比例 45.81% 

♛ PayPal(PYPL)的智能AI大数据评分:  48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PayPal(PYPL)和识别出的(abu-relate-f群类)联动股票在2021-09-07 09:00:00至2021-09-09 15:00:00期间产生的869.15万条历史走势数据中,刷选出最具投票权的821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:8691,综合得分:48.57)、多巴胺生物模型组(样本数:2413,综合得分:46.86)、量化形态模型组(样本数:415,综合得分:45.58)。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:48分

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
从一个彻头彻尾总在亏损的操盘手到一个稳定赢利的操盘手,我们需要设定一些可望而又可及的目标。我们需要一项一项地培养自己的操盘技巧。当我们能确信我们能控制住损失的时候,我们就培训自己执行操盘指令的技能。然后,我们再培训增加赢利的技巧 等等。--节选自交易经历--金融老手