用一个transformer变体模型对股票研究了几年，最近加入了强化学习优化，结果更优秀，阐述几个基本问题和分享模型预测结论：
股市可以被模型预测吗？
如同量子力学中任意时刻电子的位置和速度是无法预测的，但是可以用薛定谔方程 （Schrödinger equation） 来描述出现的概率，所以虽然明天一只股票的涨跌是无法预知，但走势的概率是可以计算的
模型预测与人比较有什么优势？
广泛传颂 的 Jesse Lauriston Livermore（1877-1940） 的回忆录和 Ralph Nelson Elliott（1971-1948）的波浪理论等，这些先贤的结论无疑是正确的，但问题的关键是如何判断每条规律发生的前提已经出现，如何定量？
通过观察，模型的结果无疑就是在重复这些先贤的结论，只不过以定量的方式给出；
模型的预测结果
模型的名字：dual vector foil；因影响股市的因素是高维的，个股盈利、行业走向、国内外政经走势、市场情绪等等， dual vector foil试图把这些高维信息压缩为二维，个股走势概率和相应的个数；如下图，dual vector foil在观察股市中每个股票的上涨（up）、下跌（down）、走平（flat）的概率，图中股票在当前走势下给出的概率是up=0.24，down=0.49，flat=0.27
单只股票的观察波动性会大一些，基于大数据原理，群体性事件分布的概率无疑更趋于稳定，2023/05/26的整体股市趋势结果如图：
说明：
横坐标：时间，单位为天
纵坐标：股票个数，模型共观察活跃股票1280个，故最大值为1280
颜色区分：红色为明显上涨趋势股票的个数，绿色为明显下跌趋势股票的个数，蓝色为明显走平趋势的股票个数；如果股票没有明显趋势不计数
实线线条：为“统计事实”，是经过统计得到的事实，非模型预测结果，是模型学习的目标即“label”，通过它可以清楚完整的看到股市的走势，但是最近一段时间的线条缺失，因未来还没有发生，无法统计趋势；
“+”线条：模型预测结果，代替实线的统计事实，完成对股票未来的预测，通过多月观察与实线吻合度高
结论：上一轮（4.24-5.20）上涨浪（幅度小）结束迹象明显，下一浪为下跌浪的概率更高一些，幅度未知
tips：每日更新下日预测，共同见证股市成长