卡特彼勒(CAT) 大数据预测量化研报

⛈  第⓵交易日(📆03-16)⇥预测:$98.51(-1.13%)

☀️  第⓶交易日(📆03-17)⇥预测:$102.87(+4.42%)

⛈  第⓷交易日(📆03-18)⇥预测:$101.75(-1.08%)

☀️  第⓸交易日(📆03-19)⇥预测:$107.33(+5.48%)

☀️  第⓹交易日(📆03-20)⇥预测:$110.87(+3.29%)

🥇  物理系模型匹配8632条样本中未来:

🚲   5 交易日 上涨样本数量5120，上涨比例 59.31% 

🛵   10 交易日 上涨样本数量5103，上涨比例 59.13% 

🚗   15 交易日 上涨样本数量5211，上涨比例 60.37% 

✈️   20 交易日 上涨样本数量5309，上涨比例 61.51% 

🥈  多巴胺模型匹配2567条样本中未来:

🚲   5 交易日 上涨样本数量1611，上涨比例 62.79% 

🛵   10 交易日 上涨样本数量1559，上涨比例 60.76% 

🚗   15 交易日 上涨样本数量1627，上涨比例 63.40% 

✈️   20 交易日 上涨样本数量1662，上涨比例 64.75% 

🥉  量化形态模型匹配493条样本中未来:

🚲   5 交易日 上涨样本数量345，上涨比例 70.16% 

🛵   10 交易日 上涨样本数量321，上涨比例 65.22% 

🚗   15 交易日 上涨样本数量327，上涨比例 66.36% 

✈️   20 交易日 上涨样本数量329，上涨比例 66.86% 

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召回模型从卡特彼勒(CAT)和识别出的(abu-relate-c群类)联动股票在2020-02-18至2020-03-13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975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:56.89)、多巴胺生物模型组(样本数:2567，综合得分:59.73)、量化形态模型组(样本数:493，综合得分:63.96)。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：58分