[股票预测]基于BP神经网络的股票行情预测
目录
一、数据集介绍
1.输入数据(XRHJDataInput.mat)
2.目标数据(XRHJDataTarget.mat)
3.预测数据(newdata_pre18.mat)
二、模型训练
1.训练过程
2.Matlab程序代码
三、网络训练
四、模型性能
五、泛化输出
1.newdata(开盘价,成交量)
2.BPoutput(收盘价、最高价、最低价)
一、数据集介绍
1.输入数据(XRHJDataInput.mat)
开盘价(1)、成交量(2),共641行,2列。
2.目标数据(XRHJDataTarget.mat)
收盘价(1)、最高价(2)、最低价(3),共641行,3列。
3.预测数据(newdata_pre18.mat)
开盘价(1)、成交量(2),共18行,2列。
数据集:https://pan.baidu.com/s/1JqCpsVGcRXHZS3tL31DREw
提取码:TTXS
二、模型训练
1.训练过程
2.Matlab程序代码
% Solve an Input-Output Fitting problem with a Neural Network
% Script generated by Neural Fitting app
% Created 07-Oct-2021 22:50:17
%
% This script assumes these variables are defined:
%
% data - input data.
% dataTarget - target data.
load XRHJDataInput.mat
load XRHJDataTarget.matx = data';
t = dataTarget';% Choose a Training Function
% For a list of all training functions type: help nntrain
% 'trainlm' is usually fastest.
% 'trainbr' takes longer but may be better for challenging problems.
% 'trainscg' uses less memory. Suitable in low memory situations.
trainFcn = 'trainlm'; % Levenberg-Marquardt backpropagation.% Create a Fitting Network
hiddenLayerSize = 10;
net = fitnet(hiddenLayerSize,trainFcn);% Setup Division of Data for Training, Validation, Testing
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;% Train the Network
[net,tr] = train(net,x,t);% Test the Network
y = net(x);
e = gsubtract(t,y);
performance = perform(net,t,y)% View the Network
view(net)% Plots
% Uncomment these lines to enable various plots.
%figure, plotperform(tr)
%figure, plottrainstate(tr)
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotfit(net,x,t)%泛化
load newdata_pre18.mat
x = newdata';%newdata
BPOutPut=sim(net,x)%
三、网络训练
四、模型性能
performance = 0.0023
五、泛化输出
1.newdata(开盘价,成交量)
2.BPoutput(收盘价、最高价、最低价)
[股票预测]基于BP神经网络的股票行情预测相关推荐
- (文章复现)5.基于BP神经网络的风电功率预测方法(MATLAB程序)
复现文章: 基于BP神经网络的风电功率预测方法--刘立群(2021年) 摘要: 风电功率预测结果的准确性,不仅关系到风力发电厂的综合运行效率,也与区域运行成本具备直接联系,为解决传统预测方法的不足,基 ...
- 基于BP神经网络的足球结果预测软件开发
基于BP神经网络的足球结果预测软件开发 一.问题描述 足球,被称为世界第一运动.足球比赛充满了对抗.力量.激情,比赛过程跌宕起伏,结果难以预测.随着人工智能时代的 到来,越来越多的人期望于将智能算法应 ...
- 基于BP神经网络的电力负荷预测(Matlab代码实现)
目录 1 概述 2 运行结果 3 完整Matlab代码实现 4 数据 1 概述 随着电力工业逐步进入市场化,区域配电网短期电力负荷预测在电力行业中地位越来越重要,精准的短期负荷预测方法对电力系统安全稳 ...
- 【预测模型】基于BP神经网络实现风电功率预测matlab代码
1 简介 BP神经网络模型是目前应用最为广泛神经网络之一.它的本质是通过对历史数据的学习找出数据变化趋势之间的非线性关系,并通过输出量与预期值之间的误差不断调整网络中各个单元的权重,使整个网络的误差最 ...
- [时间序列预测]基于BP、LSTM、CNN-LSTM神经网络算法的单特征用电负荷预测[保姆级手把手教学]
系列文章目录 深度学习原理-----线性回归+梯度下降法 深度学习原理-----逻辑回归算法 深度学习原理-----全连接神经网络 深度学习原理-----卷积神经网络 深度学习原理-----循环神经网 ...
- 机器学习应用篇(八)——基于BP神经网络的预测
机器学习应用篇(八)--基于BP神经网络的预测 文章目录 机器学习应用篇(八)--基于BP神经网络的预测 一.Introduction 1 BP神经网络的优点 2 BP神经网络的缺点 二.实现过程 1 ...
- 基于BP神经网络实现气凝胶加气混凝土抗压强度预测(附代码)
目录 前言 1. 背景 1.1 什么是加气混凝土 1.2 传统AAC抗压强度测试方法 1.3 为什么选择BP神经网络 2. MATLAB算法实现 2.1 训练集数据编辑 2.2 数据导入与整理 2.3 ...
- [时间序列预测]基于BP、RNN、LSTM、CNN-LSTM算法多特征(多影响因素)用电负荷预测[保姆级手把手教学]
系列文章目录 深度学习原理-----线性回归+梯度下降法 深度学习原理-----逻辑回归算法 深度学习原理-----全连接神经网络 深度学习原理-----卷积神经网络 深度学习原理-----循环神经网 ...
- 共享单车计算机网络,基于BP神经网络的共享单车调度优化
摘要:本文通过研究共享单车的授放以及调度优化问题,使得调度以及投放单车的次数最少.经过对单车调度以及投放情况进行分析,探讨了单车分布的影响.以邹城市为倒,首先根据实际情况,对数据进行了整理,通过BP神 ...
最新文章
- hdoj1423 最长上升公共子序列
- Oracle8i 到Oracle 12c的2014年最新PSU、Bundle Patch、SPU信息
- svn 主干和分支项目代码更新与同步
- 是是非非本寻常,我们要不要跳槽。
- 阿里DataV案例:制作实时销售大屏流程
- vector内存扩容
- JAVA蓝桥杯: 01字串
- Lesson4 一阶方程代换法
- 深度比较Java循环的性能
- MySQL中的锁机制-全局锁/表锁/行锁
- 阶段1 语言基础+高级_1-3-Java语言高级_06-File类与IO流_04 IO字节流_6_字节输出流写多个字节的方法...
- python tkinter listbox控件 简书_python tkinter模块的控件操作(1)
- log4j配置文件以及控制日志级别
- 空调库存创新高,格力计划挖掘三四五线城市
- vue在日历中使用 tippyjs 来做悬浮弹框自定义插入html
- 五一博客连载——毕业游记录
- canvas将两张图片合并成一张图片并下载
- 数据结构与算法(java):线性表(链表-双向链表)
- 钥匙串密码忘记了怎么办?如何在Mac上重置钥匙串密码
- 字节跳动2019校招笔试题(后端开发)一
热门文章
- SAP FICO 财务成本知识
- pytest-html中文乱码解决
- 【梯度下降法】Python 梯度下降法拟合正弦曲线 多项式函数傅里叶函数
- 蓝桥杯 基础练习 十进制转十六进制(C++)
- Linux服务器离线安装transformers
- 成为合法的苹果开发者
- MySQLSyntaxErrorException: In aggregated query without GROUP BY聚合查询语法异常
- 【GCC系列】深入理解Linux内核 -- __no_sanitize_address宏定义
- 玩转小程序会员营销管理,四点准则要牢记
- 数据可视化分析之热门旅游景区数据分析