这个问题可以分为几个层次来理解。
第一、足够的数据不代表可以预测未来。即使是三体这样简单的问题，也是无法预测的；更不要说股价走势这种复杂的运动。关于三体问题（在太阳和地球的双重影响下，月球如何绕地球运动？），可以参考：
[三体问题」无解吗？为什么？ - 量子位的回答 - 知乎
第二、细小的规律无法向上推导出上一层的规律，宏观与微观的性质是不一样的，More is different。比如我们是无法通过水分子的性质推断水的性质，水分子越多，单个水分子就越不重要。可以参考：
第三、很多数据是无法收集的，更不要说实时采集，或者说不是每一种信息都是可以量化的。比如人的风险厌恶水平和喜好倾向。即使是可采集的数据，也存在信噪比问题，数据中的信号更多的被淹没在噪音中，就像在沙漠中寻找一粒黄金；数据的另一个问题是数据与结果之间也许并没有什么关系，只是看上去似乎有关系而已。
第四、结果是不确定的，现实世界不是一个非黑即白的世界，更多的是一种模糊的状态，相同的事情在不同/相同条件下会出现不同的选择。或者说现实是一种博弈，一种权衡；而不是一个定论。
第五、机器学习目前仍停留在数据拟合阶段，并不能给出因果关系，AI在实践中面临着很多的困难。
本质上股价是无法预测的 ；目前的机器学习不可能预测，未来的机器学习也不可能。
