所以现在的量化交易越来越普遍地使用神经网络，尤其是深度学习模型。

只不过这种模型肯定都是不可能开源的，毕竟这都是人家吃饭的家伙事。

周昀越想越觉得可行。

如果真的能搞出来，毫不夸张的说，他就真的不缺钱了。

但是饭要一口口吃，科研也得一步步来。

想要训练一个涵盖整个股市的模型，光凭现在的资源肯定是远远不够的，但是如果只是仅仅训练一个可以预测一支股票的模型，周昀觉得，可以尝试一下。

确定了接下来的研究方向，周昀当即就行动起来。

这种股票预测任务，在ai领域有一个专门的名词叫做——tsf，即tiseriesforecasting，时间序列预测。

现有的tsf算法很多，但如果想将这些算法直接运用到股票交易的预测中，那不给你底裤亏光都算是不错了，

毕竟如果真这么简单的话，研究这些算法的人，一个个早就变成亿万富翁了。

主要的难点其实可以总结为两个。

第一个就是高质量且海量的历史数据，这个其实不难搞，就是麻烦，毕竟要把他们整理成可以训练的数据还是需要一些处理的。

第二个就是算法本身了，别看很多论文里把自己的算法吹的有多牛逼，但那都是在特定数据集上的结果，

事实上很多算法别说换数据集了，哪怕是稍微调整一下数据集的数据分布，结果都会大为不同。