這個問題可以分為幾個層次來理解。
第一、足夠的數據不代表可以預測未來。即使是三體這樣簡單的問題，也是無法預測的；更不要說股價走勢這種復雜的運動。關於三體問題（在太陽和地球的雙重影響下，月球如何繞地球運動？），可以參考：
[三體問題」無解嗎？為什麽？ - 量子位的回答 - 知乎
第二、細小的規律無法向上推匯出上一層的規律，宏觀與微觀的性質是不一樣的，More is different。比如我們是無法透過水分子的性質推斷水的性質，水分子越多，單個水分子就越不重要。可以參考：
第三、很多數據是無法收集的，更不要說即時采集，或者說不是每一種資訊都是可以量化的。比如人的風險厭惡水平胡喜好傾向。即使是可采集的數據，也存在訊雜比問題，數據中的訊號更多的被淹沒在噪音中，就像在沙漠中尋找一粒黃金；數據的另一個問題是數據與結果之間也許並沒有什麽關系，只是看上去似乎有關系而已。
第四、結果是不確定的，現實世界不是一個非黑即白的世界，更多的是一種模糊的狀態，相同的事情在不同/相同條件下會出現不同的選擇。或者說現實是一種賽局，一種權衡；而不是一個定論。
第五、機器學習目前仍停留在數據擬合階段，並不能給出因果關系，AI在實踐中面臨著很多的困難。
本質上股價是無法預測的 ；目前的機器學習不可能預測，未來的機器學習也不可能。
