所以，根本没有人能够用数学建模的方式预测股市的走向！。在18年前后，预测类数模问题变得较为尴尬，不是因为这些题目简单，是因为大家都有了一套两套现成的算法，拿题后只要找到数据就能很快跑程序出数据出图写论文。在这之前，我们在国赛见过人口增加预测，长江水质预测，世博会影响预测等等，那个时候基本上都是用matlab去实现这些数据的处理和预测。
数学建模预测数据应该如何选择算法？
在之前的数模竞赛中，即便是美赛O奖的作品中，我们都能看到诸如灰色预测这样的用MATLAB实现的方法，实际上我们有时间序列，回归等一系列比较常用的预测方法。在18年前后，预测类数模问题变得较为尴尬，不是因为这些题目简单，是因为大家都有了一套两套现成的算法，拿题后只要找到数据就能很快跑程序出数据出图写论文。
所以那个时候基本上很少有预测的题目再出现了。实际上，评价类模型和预测类模型都是这样，因为人均都会，所以导致我们不会见到一整个大题全是讲预测的。在这之前，我们在国赛见过人口增加预测，长江水质预测，世博会影响预测等等，那个时候基本上都是用matlab去实现这些数据的处理和预测。说起来，在15年我本科入学的时候有个风潮，就是互联网 ，那个时候就是谁有着一个什么创新创业的点子，就可以去参加比赛拿拿奖。
我一看这还要做ppt路演，搞得比较商业，当时就没怎么关注，毕竟我只喜欢参加埋头做题的比赛。上台说话这种我比较怯场，不过我也不是没有改变自己，有一次我最终鼓起勇气去参加了学校一个英语辩论赛，初赛只有抽题观点陈述这一部分，不用和别的同学正面对抗，所以我侥幸侃侃而谈，成功入围复赛，高兴之余，也激动地和室友报喜，随后联系复赛管理人员说我不去了，名额因此也顺延给了后一名，不知道算不算得上一桩美谈。
扯远了，主要是那个时候搞互联网 ，什么东西都要加互联网，超市 互联网=做个订超市app，打车 互联网=打车软件。现在python很火，颇有一番人工智能 的趋势。在数模领域，除了matlab，学会python搞人工智能应用也将是一个趋势，不过吧，实际上MATLAB也能实现一部分。那么在预测类这方面，用python的话：LSTM：长短期记忆网络GRU：门控循环单元DBN：深度置信网络QNN：量子神经网络SVR：支持向量机XGBoost：极端梯度提升CNN：卷积神经网络ESN：回声状态网络……举例的这些方法都可以被应用到预测中，如果你搜索这些算法，你会发现有不少核心期刊论文，通篇运用这些方法来做预测。
如何通过数学建模的方法来预测股市的涨跌？
如果有，股市早就有无数擅长数学的顶级富豪了。股市的涨跌是无法精准的预测的。原因说白了也很简单。股票的价格是怎么来的？是人们对上市公司的预期，是人们对整体经济的一个判断。而人的预期是怎么变的？是根据新的消息变的。比如，乐视公司的股票。在乐视没有危机之前，走势波动并不大。但是当乐视危机开始被人们所知道的时候，股票开始连续跌停！但是我们能够通过数学判断出乐视会出危机这件事吗？能判断出这个危机有多大吗？最关键的是，能判断出人们对这个危机的预期有多大吗？不能。
当年，大科学家牛顿也炒股票，他经过精确研究和计算后，投入了自己的大量身家去买了当时一家热门股票，然后赶上了牛市，最高的时候赚了8倍，但是，后来牛市结束了，大崩盘开始，牛顿没反应过来就全都亏了回去。还记得他那句名言吗？我能计算出天体运行的轨迹，可我却算不准人性的疯狂。所以，根本没有人能够用数学建模的方式预测股市的走向！。
