最新研究顯示，人工智能在預測股市方面遭遇了重大挫折。研究指出，無論是采用長短期記憶網絡（LSTM）還是深度神經網絡（DNN）的人工智能模型，在預測股市走勢時均表現出極大的不準確性。

傳統的股市預測方法主要分為基本面分析和技術分析兩大流派。基本面分析側重于公司的財務狀況和宏觀經濟指標，旨在為長期投資者提供決策依據；而技術分析則側重于識別市場行為模式，如股價和成交量等指標，更適合短期交易者的需求。

伊朗謝里夫理工大學的一支科研團隊對此進行了深入研究。他們運用了包括卷積神經網絡（CNN）、長短期記憶網絡（LSTM）、Transformer以及這些模型的組合，對德黑蘭證券交易所（TSE）的12只股票進行了分析，并將預測結果與實際數據進行了對比。遺憾的是，這些模型的預測結果與實際情況大相徑庭。

面對這一挑戰，科研團隊并未放棄。他們進一步開發了一種新的預測模型，該模型不再直接預測股票的具體價格，而是轉向預測市場趨勢。這一模型采用了100天的歷史數據作為輸入，利用CNN提取歷史數據中的重復模式，并允許根據股市的隨機波動調整模型的敏感度，以期提高預測的實用價值。

然而，盡管團隊做出了諸多努力，改進后的模型在股市這一充滿噪音和混沌的環境中仍然難以準確預測。股市的復雜性和不確定性似乎超出了當前人工智能技術的預測能力。

值得注意的是，這項研究的結論是基于對德黑蘭證券交易所12只股票的追蹤分析得出的。因此，該結論可能并不適用于其他市場或其他股票。股市的多樣性和復雜性意味著，在不同的市場和股票中，人工智能的預測能力可能會有所不同。

盡管人工智能在預測股市方面遭遇了挫折，但這并不意味著人工智能在金融領域沒有潛力。隨著技術的不斷進步和算法的持續優化，人工智能未來或許能在金融領域發揮更大的作用。然而，對于當前的股市預測而言，人工智能仍然面臨諸多挑戰。