来源：雪球App，作者： AI股神，（https://xueqiu.com/9414565199/69912985）

人工智能就其本质而言，是对人的思维的信息过程的模拟.人工智能已经成功应用在指纹识别，人脸识别，语音识别，图像识别等很多领域，并取得巨大成功。今年阿尔法狗在围棋上战胜职业九段选手李世石，再次将人工智能推向一个新高度。

最近斯坦福大学计算机系的Ashwin Siripurapu发表了一篇文章，《Convolutional Networks for Stock Trading》（卷积网络进行股票交易），首次使用卷积网络进行股票交易预测。

卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显，使图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建过程。关于卷积神经网络的更多更详细信息，请大家自行搜索。

这篇论文的主要方法，就是通过历史股价波动的图片，训练卷积神经网络，来预测未来股价的运行，以此来买卖股票，获取利润。
历史数据使用的是标普500etf 分钟级数据，包括交易的时间，每分钟收盘价，最高价，最低价，开盘价和交易量。

作者在选择模型输入的时候，只选择了过去30分钟的最高价和最低价，因为作者认为最高价和最低价是开盘价和收盘价的隐式的上下界，比这两个价格包含更多的信息。
在有了过去30分钟股票价格的最高价和最低价，作者用这些数据绘制了一幅图片。蓝色是最高价，绿色是最低价。

如何计算价格之间的波动，常用的有两种方法：
一种是算数差：

一种是对数差：

作者选择的是对数差。

如果当前时间是t，那么作者使用t-30到t的最高价和最低价数据作为模型输入，预测t+5与t的价格对数差。
     
价格Pt 表示最高价和最低价的平均值。