Alex Honchar 在 Medium 上曾发布了一些列使用神经网络进行交易算法的金融预测教程，包括：
有一部分结果十分值得在实际交易中加以应用。同时，随着人工智能技术的普及，用机器学习预测市场价格波动的方法最近层出不穷。然而，当你试图将一些机器学习模型应用于「随机」数据并希望从中找到隐藏规律的时候，训练过程往往会产生严重的过拟合。这次，Alex Honchar 介绍了利用概率编程和 Pyro 进行价格预测的方法，相较于常规神经网络，新方法对于数据的依赖程度更小，结果更准确。使用概率的观点看待这个问题能够让我们从数据本身学习正则化、估计预测结果的确定性、使用更少的数据进行训练，还能在模型中引入额外的概率依赖关系。在实验中，Alex Honchar 选择了最近流行的虚拟货币「以太币」作为实例进行价格预测，并且需要一下的 Python 库支持：
最后，全部的深度交易代码，可以在下面的链接中找到：
项目GitHub地址