matlab 预测曲线走势,基于matlab曲线拟合的数据预测分析
【摘要】试验所得的数据一般为离散的,且不能直接用一般的方程去描述它们,这样给数据的分析和预测带来了极大的麻烦,本文针对股票数据的变化,使用matlab的多项式拟合,求导,以及预测功能,对股票的实时变化及其变化快慢做出分析,并用得出的拟合方程对未来的股票行情做一个基本的预测。
【关键词】数据分析 拟合 matlab
21世纪的来临,宣告了信息化和数字化时代的到来,大量的数据在我们身边传输,其中包括关系国家发展的众多数据库,如人口增长,粮食增长,失业率等等,对这些数据的处理和运用,直至预测出未来数据的变化,以达到对相关方面的宏观调控,提升我国的综合实力,相当重要。本文利用matlab将股票的实时数据进行分析,对未来的股票走势做出预测,得出相关数据,以达到提前掌握市场的目的。
一、数据采集
本文使用通达信金融终端输出跃岭股份(002725)2014年1月29号至2014年4月23号股市收盘价表格,并输入起始文件夹,存为txt格式文件。
二、数据导入
采集的数据存入gupiaoy.xls文件中, 拟合的横坐标定义为单位的采样信号,数据输入gupiaox.xls文件中, 将采集的数据,定义在MATLAB工作区间,为X和Y的矩阵。
三、matlab多项式线性拟合
(一)多项式拟合
调用格式为p=polyfit(x,y,n),其中x和y是输入的原始数据,而n代表阶次,当n=1时,拟合形式为线性回归,当n=2时,多项式为二阶多项式,原则上当n越大是,所取多项式越接近于原方程的形式,误差越小。
(二)系统设置原始数据
以验证系统是否处于正常工作状态,并测试系统的准确率是否有所更改,原始数据系列x为0、0.1、0.2、0.3、0.4、0.5、0.6、 0.7、0.8、0.9、1;其中y为0.46、1.99、3.27、6.16、7.08、7.34、 7.56、9.66、9.45、9.34、11.4。
(三)当n取值不同时
N决定了拟合结果的逼近程度,当n越大是理论上,逼近的误差会越来越小拟合结果表明,在n较大时,有一个明显的逼近,并减小了拟合的误差。在实际的操作中,我们应该选择合适的拟合参数,以达到预期的拟合效果。
四、matlab多项式求导
(一)多项式的求导
多项式的求导,是基于多项式拟合的,所求导数,显示了数据的变化率的大小变化,找出突变和极大极小值点,对预测未来的走势是很有必要的。
(二)原始数据的变化率
原始数据系列x为0、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、 0.9、1;其中y为0.46、1.99、3.27、6.16、7.08、7.34、7.56、9.66、 9.45、9.34、11.4。
(三)股票数据的变化率
数据存入在gupiaoy.xls文件中, 拟合的横坐标定义为单位的采样信号,数据输入gupiaox.xls文件中。
结果表明,在n取较大值时,股票数据的变化率显示的更加的准确,对极大极小点的把握度也就越高。
五、matlab多项式预测实现
由n=20时的拟合p值可知,拟合的多项式方程,由方程预测出未来的曲线走势:
p=1.634189e-022、-7.985738e-020、1.812691e-017、
-2.536997e-015、2.450626e-013、-1.732897e-011、 9.284576e-010、-3.848748e-008、1.249608e-006、
-3.197207e-005、0.0006453738、-0.01024455、0.1269246、
-1.212533、8.776476、-46.97276、179.7072、-468.017、
768.5526、 -692.8437、280.4576。
以n=3时的例子,得出拟合方程y=0.000628345x3-0.0448101
x2+0.693902x+30.3757。
由此可推断出股票未来的走势是一个明显上升的态势,可以小股买入,试探买进,等待上涨。
图中显示,可知,预测走势误差较小,预测结果稳定。
六、结论
对股票数据的拟合和预测,经过数据采集,拟合分析,预测结果等几个步骤,matlab的guide界面进行实施,有较好的用户使用界面,试验结果表明,实际预测能力较强,稳定性较好。
参考文献:
[1]李显宏. MATLAB7.X 界面设计与编辑技巧[M]. 北京:电子工业出版社,2006.
[2]Patrick Marchand and O.Thomas Holland. Graphics and GUIs with MATLAB 3rd ed ,CRC Press Company, 2003.
[3]王正林,刘明. 精通MATLAB.7[M].北京:电子工业出版社,2006.
[4]施晓红,周佳.精通GUI图形界面编程[M]. 北京:北京大学出版社,2003.
matlab 预测曲线走势,基于matlab曲线拟合的数据预测分析相关推荐
- matlab 曲线拟合求导,基于matlab曲线拟合的数据预测分析
龙源期刊网 http://www.doczj.com/doc/2f22f716cbaedd3383c4bb4cf7ec4afe05a1b148.html 基于matlab曲线拟合的数据预测分析 作者: ...
- Matlab之DNN:基于Matlab利用神经网络模型(epochs=10000000)预测勒布朗詹姆斯的2018年总决赛(骑士VS勇士)第一场得分、篮板、助攻
Matlab之DNN:基于Matlab利用神经网络模型(epochs=10000000)预测勒布朗詹姆斯的2018年总决赛(骑士VS勇士)第一场得分.篮板.助攻 目录 输出结果 预测勒布朗詹姆斯的20 ...
- rls算法matlab实现,第5章基于RLS算法的数据预测与MATLAB实现MATLAB实现.PDF
第5章基于RLS算法的数据预测与MATLAB实现MATLAB实现 第 5章 基于 RLS算法的数据预测与 第5章 基于RLS算法的数据预测与MATLAB实现 MATLAB实现 RLS 1795 递归最 ...
- matlab功率谱的峰值,基于Matlab功率谱密度估计方法.doc
基于Matlab功率谱密度估计方法 基于Matlab功率谱密度估计方法要在实际情况下, 许多平稳信号无法导出数学表达式, 要准确获取这些信号的功率谱密度存在一定的困难.根据维纳辛钦 (Wiener K ...
- 使用 Excel 和 Math.Net 进行曲线拟合和数据预测
错误的数据# 上图是同一组探测器在同一天采集到的 19 次数据,总体来说重复性不错,但很明显最后 8 个探测器出了问题,导致采集到的数据在最后八个点一片混乱.即使把其中看起来最好的一组数据拿出来使用多 ...
- [C#] 使用 Excel 和 Math.Net 进行曲线拟合和数据预测
以前在工作中遇到了一个数据错误的问题,顺便写下 用 Math.Net 解决的思路. 1. 错误的数据 上图是同一组探测器在同一天采集到的 19 次数据,总体来说重复性不错,但很明显最后 8 个探测器出 ...
- 机器学习笔记1:基于Logistic回归进行数据预测
机器学习笔记1:基于Logistic回归进行数据预测 一.背景 近期项目的一个核心部分就是实现对数据的预测,因为没有实际的数据样本,所以我准备近期学习Machine Learning的几种方式,从简单 ...
- 基于数据挖掘的疾病数据可视化分析与预测系统
温馨提示:文末有 CSDN 平台官方提供的学长 Wechat / QQ 名片 :) 1. 项目简介 随着医院信息系统(HIS)在全国各大医院的推广和应用,会有大量和病人相关的临床数据每天在医院中记录, ...
- 交通状态预测 | Python实现基于Transformer的交通流预测
交通状态预测 | Python实现基于Transformer的交通流预测 目录 交通状态预测 | Python实现基于Transformer的交通流预测 基本介绍 模型构建 程序设计 学习总结 基本介 ...
最新文章
- 浅析@Deprecated,调用方法时出现横线划掉样式
- 用弹性振子力学系统方法计算一组反对角矩阵的质量和频率n+m=8
- android密码dakay,安卓中按钮点击事件onClick的两种实现方式
- 学会了很多计算机小技巧,超实用的八个电脑小技巧,全都学会让你成为电脑高手...
- Win11如何查看电池情况 Win11查看电池情况的方法
- 浅谈css3长度单位rem,以及移动端布局技巧
- The New iPad’s Achilles Heel
- 经过几天的努力,出了 2 本保姆级编程电子书!
- MaxDOS V7 PXE网刻教程
- html a4纸张大小像素,CSS设置A4纸张大小
- 淘金网UCskype即时通讯软件定制
- 典型Π型RC滤波电路
- 职业照--蓝底照片转换为白底
- 三维空间里一个点绕矢量旋转后的新的点的坐标
- 解决Cookie乱码问题
- 答“月薪4000元在苏州的日子”
- 配置Nexus Tacacs管理
- android studio 远程调试,Unity3D学习笔记——Android远程真机调试(Unity Remote)
- CANoe-第3个仿真工程-总线仿真- 3-1 工程实现
- 【电路】(1)串联式开关电源