第十八章 股海析，心意暖
2020年12月初，清溪镇迎来了入冬后的第一场小雨，冰冷的雨丝夹杂着寒风，斜斜地打在窗户上，发出淅淅沥沥的声响。天空灰蒙蒙的，整个校园都笼罩在一片阴冷的雾气中，气温再次走低，徘徊在零下三摄氏度左右。学生们裹着厚厚的羽绒服，把帽子拉得低低的，双手插在口袋里，缩着脖子快步走在雨中，生怕被冰冷的雨水打湿衣服。李长生依旧保持着晨跑的习惯，只是将晨跑的地点从操场转移到了教学楼的走廊里，来回的折返跑同样让他大汗淋漓，既锻炼了身体，又避免了淋雨。跑完后，他靠在走廊的窗户边，看着外面的雨景，脑海里却在快速梳理着股票价格预测项目的思路，冰冷的雨水丝毫没有影响他的专注。
高一（3）班的课堂上，李长生的「中等生」伪装依旧毫无破绽，甚至已经形成了一种固定的节奏。
第八次周测成绩公布，他的名字稳稳停在班级第二十三名，比上次前进一名，依旧在「不被关注」的安全区间里稳步前行。这次控分，他做得愈发随心所欲，完全不用再在草稿纸上计算扣分点，仅凭多年来对「中等生」身份的拿捏，就能精准控制每一门科目的分数：数学卷的压轴题第二问，他故意只写了一半的解题过程，留下关键步骤不写，刚好扣掉三分；物理卷的实验题，在误差分析部分刻意写得不够全面，扣掉两分；英语卷的七选五，刻意选错一道，让分数保持在88分的中游水平；语文卷的诗歌鉴赏题，按最基础的答题模板作答，不做深度解读，扣掉两分；就连文综卷，他也能精准地在选择题上错两道，主观题答得中规中矩，让总分稳稳落在班级第二十三名。
红底黑字的排名表贴在教室后墙，同学们围在一起翻看，目光大多集中在成绩靠前的同学和自己的名字上，很少有人会留意到中间位置的李长生。班主任刘老师在班会上点评成绩时，依旧是重点表扬前三名，鼓励进步大的同学，批评退步的同学，对中间排名的学生只是一句「保持稳定」便一笔带过，甚至连他的名字都没有念到。只有王帆，在看到排名表时，会下意识地找到他的名字，确认他的排名后，轻轻松了口气，仿佛只要他保持稳定，就足够了。
课堂上，李长生依旧是那个「标准听众」，坐得笔直，低头看着课本，手里的笔看似在认真记录老师讲的知识点，实则笔尖在草稿纸上快速勾勒着股票价格预测的模型框架——LSTM模型的结构优化、注意力机制的引入、多特征融合的方式，这些问题在他的脑海里反复盘旋，占据了他所有的思绪。
数学课上，老师讲着「函数的单调性与极值」，他立刻联想到了股票价格的波动规律——股票价格的上涨与下跌，就像函数的单调递增与递减，而股价的高点与低点，就是函数的极值点。他在草稿纸上画出函数图像，再对照股票的K线图，思考着如何用导数来判断股价的趋势变化，为特征工程提供新的思路。
物理课上，老师讲着「动量与冲量」，力的作用带来动量的变化，这让他想到了股票市场中的「资金量」与「股价波动」的关系——资金的流入与流出，就像力的作用，会带来股价的上涨与下跌，资金量越大，股价的波动幅度也就越大。他开始思考如何将资金量、换手率等特征与股价特征融合，提高模型的预测准确率。
甚至在语文课上，老师讲着「议论文的论据与论证」，他也能联想到模型的「特征」与「预测结果」的关系——特征是论据，模型是论证过程，预测结果是论点，只有选择合适的特征，才能通过模型推导出准确的预测结果。
这种跨学科的知识融合，已经深深融入了他的思维方式，无论老师讲什么内容，他都能快速与自己正在学习的AI技术联系起来，找到共通点，让文化课的学习成为他提升AI能力的「助力」，而不是「负担」。
课间，他依旧独来独往，只是比以往更加忙碌。他会拿出手机，快速浏览股票市场的相关知识，了解K线图、均线、MACD、KDJ等技术指标的含义，这些都是股票价格预测中不可或缺的特征。偶尔，他会在草稿纸上写下这些指标的计算公式，思考着如何将这些技术指标转化为模型能够识别的特征。
王浩依旧会在课间拉着他去打游戏，或是邀请他一起去食堂买零食，他依旧是摇头拒绝，只是语气比以往温和了一些，会说「还有点事没做完，你们去吧」。王浩也早已习惯了他的拒绝，只是会笑着拍他的肩膀说「你这家伙，天天都有做不完的事，小心累坏了」，然后便和其他同学一起离开。
对李长生而言，现在的「要事」，就是那个报酬2000元的「股票价格预测」项目。这是他迄今为止接到的报酬最高、难度最大的项目，也是时间序列预测领域的经典难题。股票价格预测不仅需要处理具有强时间依赖性的股价数据，还需要考虑宏观经济、市场情绪、政策利好、资金量等多种复杂因素的影响，模型的搭建与优化难度，远超之前的门店客流预测项目。
但他没有丝毫畏惧，反而充满了期待。挑战越大，成长也就越快，他渴望通过这个项目，进一步提升自己在时间序列预测领域的技术能力，掌握更复杂的模型搭建与优化方法。
而他与王帆的相处，在这阴冷的冬日雨天里，愈发温暖，那份专属的默契，也变得更加深厚，更加细腻，像一杯温热的奶茶，暖到了心底。
天气阴冷，教室的窗户关得严严实实，暖气开得很足，与外面的寒冷形成了鲜明的对比。王帆依旧每天带着那个粉色的保温杯，只是里面的水，从白开水变成了温热的红糖姜茶，课间会主动递给她，轻声说：「天冷，喝点姜茶暖暖身子，不容易感冒。」
他会接过杯子，喝上几口，温热的姜茶带着淡淡的甜味和姜的辛辣，顺着喉咙流下，瞬间驱散了周身的寒意，也温暖了他的胃。「谢谢你。」他会轻声说，然后把杯子还给她，眼神里带着一丝不易察觉的感激。
两人之间的交流，也越来越自然，越来越走心。不再局限于学习和日常的简单问候，偶尔会聊一些更深入的话题。
王帆会问他：「你每天都这么忙，到底在做什么呀？」
他会犹豫一下，然后轻声说：「在学一些东西，做一些项目。」
她不会追问具体是什么项目，只是点点头，说：「那你也要注意休息，别太累了，身体才是最重要的。」
他会轻轻「嗯」一声，然后说：「我知道，你也是。」
她会笑着说：「我没事，我不像你，天天熬夜。」
他会低头，嘴角微微扬起，说：「以后会注意的。」
这些简单的对话，没有华丽的辞藻，却充满了关心与理解。她尊重他的隐私，从不追问他不想说的事；他也懂得她的关心，会努力照顾好自己，不让她担心。
他们之间的默契，已经到了「无需多言，心领神会」的地步。她一个眼神，他就知道她需要什么；他一个动作，她就知道他又熬夜了。
雨天的课间，教室的窗户上会凝结一层薄薄的水雾，王帆会用手指在水雾上画画，偶尔会画一个小小的太阳，然后转头看他，笑着说：「你看，画个太阳，就不冷了。」
他会看着窗户上的太阳，轻声说：「嗯，挺好看的。」
有一次，晚自习结束后，外面的雨下得很大，李长生没有带伞，站在教学楼门口，犹豫着要不要冒雨回去。王帆看到后，主动走过来，把自己的伞递给他，说：「你拿着吧，我家离得近，跑回去就好。」
他连忙摇头，说：「不用，你拿着吧，我没事。」
她说：「没事，我跑得快，你别淋感冒了，不然又要熬夜补回来，更累。」
说着，她便把伞塞到他手里，转身就跑进了雨里，一边跑，一边回头对他说：「记得明天把伞还给我！」
他站在门口，手里拿着她的伞，看着她在雨中奔跑的背影，心里涌起一股浓浓的暖意。那把伞，是粉色的，和她的保温杯一样，带着淡淡的香味。
第二天，他把伞还给她，轻声说：「谢谢你，昨天没淋到雨。」
她笑着说：「没事，举手之劳。」
从那以后，每当遇到下雨天，他都会下意识地看一眼她的书包，确认她有没有带伞。而她，也会在看到他没带伞时，主动把伞递给他。
他们之间的这些小细节，像一颗颗散落的星星，在寒冷的冬日里，默默闪烁着温暖的光芒。没有人注意到，也没有人在意，但对他们而言，这些却是最珍贵的瞬间。
郊外的小木屋里，依旧是他的主战场，也是他挑战股票价格预测项目的地方。
新电脑的屏幕每天都会亮到深夜，冷白色的光芒照亮了整个木屋，也照亮了他专注的脸庞。窗外的雨淅淅沥沥地下着，敲打着木屋的窗户，发出轻微的声响，却丝毫没有影响到他。他的所有精力，都投入到了这个高难度的项目中。
客户提供的数据集是某只股票过去两年的交易数据，包含日期、开盘价、收盘价、最高价、最低价、成交量、成交额、换手率等字段，要求根据这些数据，预测未来七天的股票收盘价，预测准确率不低于85%。客户特别强调，股票价格预测难度极大，只要准确率能达到85%，就算完成任务。
拿到数据集后，李长生没有立刻搭建模型，而是先对数据进行了全面而细致的探索性分析。这是时间序列预测项目的关键步骤，尤其是股票价格预测，只有充分了解数据的特征和规律，才能搭建出合适的模型。
他用Pandas对数据进行清洗，处理了少量的缺失值和异常值；用Matplotlib绘制了股票收盘价的时间序列图、K线图，分析股价的趋势性、周期性和波动性；用相关性分析，研究了成交量、成交额、换手率等特征与收盘价的相关性；还计算了股价的涨跌幅、移动平均线（5日、10日、20日）、MACD、KDJ等技术指标，分析这些指标与股价的关系。
通过分析，他发现股票价格数据具有极强的非线性和波动性，没有明显的周期性，受成交量、换手率等因素的影响很大，而且存在很多突发的异常波动，这给模型的搭建带来了很大的困难。同时，他还发现，收盘价与开盘价、最高价、最低价的相关性极高，与成交量、换手率的相关性中等，这些特征都可以作为模型的输入。
接下来，是特征工程。这是股票价格预测项目的核心环节，特征的选择与构建，直接决定了模型的预测准确率。他根据探索性分析的结果，结合股票市场的技术指标，构建了一系列丰富的特征：
1. 基础价格特征：开盘价、最高价、最低价、收盘价、涨跌幅；
2. 成交量特征：成交量、成交额、换手率；
3. 移动平均线特征：5日均价、10日均价、20日均价、5日与10日均价差、10日与20日均价差；
4. MACD特征：DIF、DEA、MACD柱状线；
5. KDJ特征：K值、D值、J值；
6. 滞后特征：收盘价的滞后1天、3天、5天、7天，涨跌幅的滞后1天、3天、5天；
7. 滚动统计特征：收盘价的5日滚动均值、5日滚动方差、10日滚动均值、10日滚动方差；
8. 时间特征：年、月、日、星期，是否为月末、季末。
为了提高模型的泛化能力，他还对特征进行了标准化处理，将所有特征值转换为均值为0、方差为1的分布，避免因特征量级差异过大影响模型的收敛速度。同时，他将数据集按照时间顺序分为训练集和测试集，训练集占80%，测试集占20%，确保模型能够学习到时间序列的内在规律。
接下来是模型选择与搭建。股票价格数据具有极强的非线性和时间依赖性，传统的ARIMA模型已经无法满足需求，必须使用更复杂的深度学习模型。结合之前做门店客流预测的经验，他决定搭建基于注意力机制的LSTM模型——注意力机制能够让模型自动关注重要的特征和时间步，忽略无关的信息，从而提高模型的预测准确率，非常适合处理股票价格这种复杂的时间序列数据。
他设计的模型结构，比之前的LSTM模型更加复杂，也更加完善：
-输入层：接收处理后的高维特征向量；
- LSTM层1：128个神经元，返回序列，捕捉长期时间依赖；
-注意力层：引入注意力机制，对LSTM层的输出进行加权，突出重要特征；
- LSTM层2：64个神经元，返回序列，进一步提取特征；
- Dropout层：dropout率为0.3，防止过拟合；
- LSTM层3：32个神经元，不返回序列；
-批归一化层：加快模型收敛，提高稳定性；
-全连接层1：16个神经元，激活函数为ReLU；
-输出层：1个神经元，输出预测的股票收盘价。
模型搭建完成后，他设置了关键的训练参数：优化器为Adam，学习率为0.0005（股票数据波动大，设置较小的学习率让模型收敛更平稳），损失函数为均方误差（MSE），训练轮数为200，批次大小为64，同时加入了早停机制（Early Stopping），当测试集损失连续10轮不再下降时，自动停止训练，避免过拟合。
第一次训练，模型在测试集上的预测准确率为82.3%，虽然达到了一般的预测水平，但没有达到客户要求的85%。而且，从训练曲线可以看出，模型在训练集上的损失不断下降，而测试集的损失下降到一定程度后开始波动，存在过拟合现象，同时，模型对股价的突发波动预测不够准确，误差较大。
接下来，他开始了漫长而细致的模型优化过程。这是整个项目中最耗时、最考验耐心和技术能力的环节，股票价格预测的难度远超他的预期，每一次优化，都需要他反复思考、反复调试，稍有不慎，就会导致模型性能下降。
他从五个方面入手，对模型进行了全面的优化：
第一，解决过拟合问题。他进一步提高了Dropout层的dropout率，从0.3调整为0.4；在全连接层后也加入了Dropout层；同时，加入了更强的L2正则化，惩罚过大的权重；还对训练数据进行了数据增强，通过随机添加微小噪声的方式，扩充数据集，提高模型的鲁棒性。
第二，优化模型结构。他调整了LSTM层的神经元数量，将第一层的128个减少到100个，第二层的64个减少到50个，避免模型过于复杂；在注意力层后加入了一个池化层，进一步降维，减少参数数量；还调整了注意力机制的权重计算方式，让模型能够更精准地捕捉重要特征。
第三，调整超参数。他通过网格搜索，对学习率、批次大小、训练轮数等超参数进行了全面的优化。将学习率从0.0005调整为0.0003，让模型的收敛更加平稳；将批次大小从64调整为32，让模型能够更好地学习到数据的细节特征；将训练轮数从200调整为150，结合早停机制，有效避免过拟合。
第四，优化特征工程。他通过特征重要性分析，删除了一些与收盘价相关性较低、对模型贡献不大的特征，比如部分时间特征和滚动统计特征；同时，增加了一些新的特征，比如股价的波动幅度（最高价-最低价）、成交量的滚动变化率等，进一步提升特征的表达能力。
第五，改进预测方式。他将「单步预测」改为「多步预测」，通过滑动窗口的方式，让模型一次性预测未来七天的收盘价，同时引入了时间序列的趋势约束，让预测结果更符合股价的实际波动规律，减少突发误差。
每一次优化，他都要重新训练模型，观察预测准确率、损失曲线、预测值与实际值的对比图，分析优化的效果。这个过程极其繁琐，也极其枯燥，往往一次训练就要花费近一个小时，而一次优化效果不佳，就需要重新调整思路，再次调试。
窗外的雨下了又停，停了又下，小木屋里的灯光，始终亮着。李长生坐在电脑前，手指在键盘上快速敲击，眼睛紧紧盯着屏幕上的代码、训练进度条和准确率数据，眼神里充满了专注与执着。他忘记了时间，忘记了疲惫，忘记了外面的寒冷与阴雨，全身心地投入到了模型的优化中。
饿了，就拿出提前准备好的面包和牛奶，快速吃几口；累了，就靠在椅背上，闭上眼睛，休息几分钟，脑海里却依旧在梳理模型的优化思路；遇到难题时，就拿出纸笔，在纸上画下模型的结构，一步步排查问题，寻找解决方案。
就这样，经过五天五夜的高强度优化，反复调试了上百次，他的努力终于有了回报。
当他最后一次按下运行键，模型开始训练。屏幕上的进度条一点点前进，训练集和测试集的准确率不断上升，损失不断下降，而且，训练集和测试集的损失曲线始终保持着高度的一致，没有出现过拟合的迹象。
当训练完成，早停机制在第120轮自动停止训练时，屏幕上显示的结果，让他的眼睛瞬间亮了起来，连日来的疲惫，仿佛在这一刻烟消云散。
测试集准确率：86.9%
不仅达到了客户要求的85%，还超出了1.9个百分点！
他立刻对模型进行了全面的测试，用模型预测了未来七天的股票收盘价，并与实际的历史数据进行对比。屏幕上，预测值的曲线与实际值的曲线几乎重合，只有在少数突发波动的位置，存在微小的误差，整体的预测效果非常理想。
他还绘制了预测值与实际值的对比图、误差分布图、特征重要性图等可视化图表，直观地展示了模型的预测效果。从特征重要性图中可以看出，模型确实能够自动关注开盘价、成交量、5日均价等重要特征，这也证明了注意力机制的有效性。
那一刻，李长生靠在椅背上，长长地舒了一口气，嘴角扬起了一抹久违的、灿烂的笑容。这抹笑容，带着难以掩饰的兴奋、成就感，还有一丝释然。连续五天五夜的努力，无数次的调试，无数次的失败，无数次的重新开始，终于换来了成功。
这是他迄今为止完成的难度最大、技术含量最高的项目，也是他在时间序列预测领域的一次重大突破。他不仅掌握了基于注意力机制的LSTM模型的搭建与优化方法，还深入理解了股票市场的数据分析方法和技术指标，积累了处理复杂非线性时间序列数据的宝贵经验。
他稍微休息了一下，喝了一口水，然后开始撰写详细的项目报告。报告中，他详细介绍了数据探索性分析、特征工程、模型搭建、模型优化的全过程，附上了大量的可视化图表和模型性能指标，还对预测结果进行了分析，给出了一些合理的投资建议。他希望，这份报告不仅能让客户看到模型的预测效果，还能让客户了解到背后的技术逻辑。
做完这一切，已经是清晨七点多。天已经亮了，外面的雨停了，阳光透过云层，洒在郊外的大地上，驱散了连日来的阴冷。他看了一眼时间，快速收拾好东西，将训练好的模型文件、预测结果、项目报告一起打包，发送给了买家。
然后，他锁上小木屋的门，朝着学校的方向，快步走去。
连续五天五夜没有好好休息，他的身体已经到了极限，眼睛里布满了血丝，脸色苍白，脚步也有些虚浮，每走一步，都感觉浑身酸痛。但他的眼神，却依旧坚定，充满了光芒，那是成功后的喜悦，也是对未来的期待。
走到半路，手机震动了一下，是外包平台的消息提醒。他点开一看，是买家的回复，还有一条报酬到账的通知。
买家的消息充满了惊喜和赞赏，发了一连串的感叹号：「太厉害了！真的太厉害了！准确率竟然达到了86.9%，远超我的预期！我原本以为能达到85%就不错了，没想到你竟然做到了！报告写得非常详细，可视化图表也很直观，我能清楚地看到未来七天的股价趋势，这对我来说太有价值了！你绝对是我遇到过的最专业、最厉害的AI开发者！五星好评！以后我所有的股票预测项目，都交给你做！还会把你推荐给我的朋友！」
紧接着，报酬到账的提醒弹了出来，一串醒目的数字映入眼帘：2000元。
他点开余额界面，屏幕上的数字清晰地显示着：15110元。
一万五千一百一十元！
这个数字，像一道光，照亮了他的眼睛。这不仅仅是一笔钱，更是对他技术能力的最高认可。从最初的几百元的小项目，到现在两千元的高难度项目；从最初的数据分析，到计算机视觉，再到时间序列预测；从最初的懵懂探索，到现在的熟练掌握，他用了短短三个月的时间，完成了别人可能需要几年才能完成的成长。
他的脚步，不由得放慢了一些，抬头看了一眼天空。阳光正好，洒在他的身上，带来一丝温暖。他的心里，充满了感慨，也充满了希望。
走到学校门口，早自习的铃声刚刚响起。他深吸一口气，压下心中的激动与感慨，整理了一下衣服，迈步走进了校园。
教室里，王帆已经坐在了座位上，正在认真地早读。看到他走进来，她立刻抬起头，目光落在他苍白的脸上和布满血丝的眼睛里，眼神里闪过一丝心疼，快步走到他身边，轻声说：「你是不是又熬了好几天？脸色怎么这么差？」
他愣了一下，点了点头，声音有些沙哑：「嗯，刚忙完。」
她没有多说什么，只是转身回到自己的座位，从书包里拿出一杯温热的牛奶、一个三明治，还有一盒退烧药，放在他的桌上，轻声说：「这是我早上买的，你快吃点东西。还有，这是退烧药，你好像有点发烧，吃完东西记得吃一片。」
他看着桌上的牛奶、三明治和退烧药，心里涌起一股浓浓的暖流，眼眶微微有些发热。他抬起头，看着她的眼睛，她的眼神里充满了心疼和关心，像冬日里的阳光，温暖而耀眼。
「谢谢你。」他的声音，带着一丝不易察觉的颤抖。
她笑了笑，摇了摇头，说：「不用客气，快坐下来吃吧，别凉了。吃完药，要是不舒服，就趴在桌上休息一会儿，我帮你看着老师。」
说完，她便回到自己的座位，继续早读，只是偶尔会抬头，看他一眼，眼神里满是关心。
李长生坐在座位上，拿起三明治，慢慢吃着。温热的牛奶顺着喉咙流下，温暖了他疲惫的身体，也温暖了他的心。他看着身边认真早读的王帆，心里默默想：有你在，真好。
早自习结束后，他的手机又震动了起来，这次，不是外包平台的消息，而是好几条新的私信，都是不同的买家发来的，想要委托他做AI项目，有「销量预测」的，有「用户行为分析」的，还有「图像分割」的，报酬都不低。
他看着屏幕上的私信，眼神里充满了坚定。
他知道，自己的努力，没有白费。他的AI之路，已经越走越宽，越走越远。
高一的时光，已经过去了近四个月，2020年，也即将走到尽头。
他的双轨生活，依旧稳定而坚定，在校园与小木屋之间，在中等生与AI开发者之间，自由切换。
学校里，他是沉默的中等生，在寒冷的冬日里，感受着同桌最真挚的关心与温暖，这份温暖，成为了他前进的动力。
小木屋里，他是专注的AI学习者，在复杂的AI世界里，不断探索，不断突破，用一行行代码，搭建着自己的梦想。
窗外的阳光，越来越明亮，洒在教室里，洒在他的身上，带来温暖的气息。
他知道，2021年，即将到来。
新的一年，会有新的挑战，也会有新的成长。
而他，已经准备好了。
他的脚步，从未停下。
他的梦想，正在一步步，照进现实。