- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
神经网络数学建模实验报告
云南财经大学实验报告
系 (院): 统计与数学学院
专 业: 信息与计算科学
班 级: 信计09-1
学 号: 200905001465
姓 名:
课程名称: 数学建模
实验时间: 2012年6月20日
指导教师:
云南财经大学教务处制实验名称 利用人工神经网络方法进行股票数据预测 实验目的 学习运用matlab中的神经网络工具箱;
学习利用人工神经网络进行对股票的预测; 实验内容(算法、程序、步骤和方法)流程图 股票数据预测
算法:
利用matlab中的函数premnmx,对输入数据进行归一化处理,归一化处理的目的是避免BP神经网络无法收敛或者学习速度变慢甚至无效;
利用函数newff,对归一化后的数据进行训练;
利用函数sim,对训练好的网络对原始数据进行仿真;
用仿真结果与已知数据进行对比测试,并继续对新数据进行仿真;
将预测结果与已知结果绘图并进行比较;
步骤:
利用函数premnmx,输入已知输入数据矩阵以及目标输出数据矩阵;
对输入矩阵及目标输出矩阵进行归一化处理;
利用函数newff,对归一化后的数据进行训练;
利用函数sim,利用训练好的网络对原始数据进行仿真;
用原始数据预测结果与已知数据进行对比测试;
观察预测数据和原始数据的差异大小及吻合程度;
程序:
clc
% 时间序列作为输入数据
time=1:48;
% 开盘价、最低价、最高价、收盘价作为输出数据
kpj1=[9.98 10.00 9.91 9.88 9.85 9.74 9.61 9.74 9.84 9.83 9.76...
9.78 9.70 9.75 9.68 9.58 9.65 9.71 9.53 9.50 9.66 9.71 9.70 9.78 ...
9.86 9.85 9.70 9.91 9.94 9.88 9.86 9.76 9.68 9.65 9.8 9.83 9.88 9.96...
9.98 9.85 9.81 9.96 10.02 10.08 10.06 10.19 10.11 10.10]; %开盘价
zgj1=[9.99 10.05 9.95 9.93 9.88 9.76 9.84 9.80 9.86 9.87...
9.77 9.85 9.75 9.78 9.68 9.77 9.80 9.76 9.65 9.68 9.74 9.79 9.85...
9.90 9.86 9.90 9.99 10.0 9.95 9.93 9.86 9.78 9.72 9.86 9.89 9.92...
9.98 10.03 9.98 10.02 9.98 10.03 10.13 10.15 10.28 10.28 10.23 10.16]; %最高价
zdj1=[9.91 9.91 9.85 9.83 9.72 9.58 9.55 9.66 9.75 9.78 9.70...
9.69 9.63 9.66 9.57 9.56 9.58 9.59 9.45 9.46 9.57 9.62 9.67 9.74...
9.75 9.50 9.60 9.8 9.82 9.80 9.72 9.72 9.55 9.63 9.77 9.81 9.87 9.91...
9.85 9.84 9.79 9.92 10.0 10.03 10.03 10.10 10.05 10.05]; %最低价
spj1=[9.94 9.92 9.88 9.85 9.77 9.60 9.70 9.79 9.78 9.81 9.73...
9.80 9.71 9.69 9.57 9.63 9.77 9.60 9.57 9.63 9.70 9.76 9.81 9.87...
9.76 9.81 9.98 9.99 9.89 9.92 9.73 9.74 9.65 9.83 9.86 9.88 9.89...
9.98 9.88 9.89 9.96 9.96 10.11 10.04 10.13 10.19 10.06 10.09]; %收盘价
p=time;
t=[kpj1;zgj1;zdj1;spj1];
% 归一化处理
[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t);
dx=[-1,1];
% 网络训练
net=newff(dx,[4],{ta
文档评论(0)