用Tensorflow 2.0赚钱：基于transformer network实现自动投资决策
Make_Money_with_Tensorflow_2.0
by Siraj Raval
Weibo：https://weibo.com/tv/v/HoRzRwAZP
Youtube：https://www.youtube.com/watch?v=WS9Nckd2kq0
概述
这是Siraj Raval在Youtube上关于《用Tensorflow 2.0赚钱：基于transformer network实现自动投资决策》的视频代码。 在视频中，我展示了一款名为NeuralFund的应用程序，它可以使用深度学习来做出投资决策。
Github项目地址：
https://github.com/llSourcell/Make_Money_with_Tensorflow_2.0
依赖库
- Tensorflow 2.0
- flask
- Tensorflow服务
说明
NeuralFund是两个github仓库的组合。这是一项正在进行的工作。
首先，我使用这个tensorflow作为基本项目，它提供web应用程序框架代码。在该应用程序中，作者将TF Servng与Flask集成，创建了一个允许连续训练管道的结构。下载代码并在本地运行。
其次，我使用了上一个视频中的 flask 样本代码来实现用户身份验证 MySQL数据库集成。这就是存储库中文件夹中的代码。
TODO：
第一步：从简单的TF服务演示开始，合并两个存储库。将用户auth SQL代码从样板演示复制粘贴到简单的TF服务演示中。
第二步：在简单TF服务演示中的'train.py'文件中，在 main(): 下添加此代码段以从Web提取实时股票数据。 它将根据连续的训练管道动态地执行此操作。
第三步：在前端的任何位置添加这个交易视图小部件，以实现良好的股票可视化。
第四步：该模型将能够进行时间序列预测，但如果它还可以预测要购买哪种股票呢？这里有3个单独的模型同时训练3种不同的股票价格。 完成训练后，让它们进行推断，以预测下一个价格。 使用与之前价格相比提供最高增幅的预测。
第五步：还有3个模型通过谷歌新闻API为每个股票培训3个新闻数据集。 使用像 BERT 这样的预训练模型来执行人气分析。 选择具有最高人气和价格预测的股票。
第六步：想办法在tensorflow服务中实现深度强化学习，但是我还没有在GitHub上看到这样的例子。那就留到下个视频再讲吧。把市场看作一个马尔可夫决策过程，代理人的行为是买入、卖出或持有。
小编提醒：投资有风险，入市须谨慎。
