MATLAB金融算法分析实战-立体封面 第6章.pptxVIP

吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析第六章吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析BP神经网络工具箱上证指数预测吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析BP神经网络模型及其基本原理DE.Rumelhart和JL.McClelland提出了一种利用误差反向传播训练算法的神经网络，简称BP网络，是一种经典实用的前馈网络，系统地解决了多层中隐含单元连接权的学习问题，具体BP神经网络原理请阅读《On learning the past tense of English verbs》一书。如果网络的输入节点数为M、输出节点数为N，则BP神经网络可看成是从M维欧式空间到N维欧式空间的映射。这种映射是高度非线性的，其主要用于：（1）模式识别与分类：用于文字OCR、图像的识别、图像分类等。（2）函数逼近：用于非线性控制系统的建模、各种非线性函数的逼近等。（3）数据压缩：用于图像的编码压缩和存储等。（4）数据预测：股票预测，温湿度、酸碱度预测等吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析BP神经网络模型及其基本原理吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析MATLAB BP神经网络工具箱在BP网络中，状态转移函数可求导是非常重要的，tansig、logsig和purelin都有对应的导函数dtansig、dlogsig和dpurelin。对于转移函数的导函数，MATLAB工具箱提供带字符deriv的转移函数：tansig(deriv)ans = dtansig其中，tansig函数如下：function a = apply(n,param)% Copyright 2012 The MathWorks, Inc.a = 2 ./ (1 + exp(-2*n)) - 1;logsig函数如下：function a = apply(n,param)% Copyright 2012 The MathWorks, Inc.a = 1 ./ (1 + exp(-n));purelin函数如下：function a = apply(n,param)%PURELIN.APPLY% Copyright 2012 The MathWorks, Inc.a = n;吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析BP神经网络执行流程吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测上证指数归一化图吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测改进分析BP神经网络采用的神经网络状态传递函数为{tansig,purelin}，误差反馈函数为traingdm，purelin函数不能满足要求。本节采用{‘tansig’,‘tansig’}作为网络传递函数,‘trainlm’作为误差反馈学习函数，进行网络的训练和预测。吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测改进分析吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测改进分析吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测改进分析吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析基于BP网络的上证指数预测改进分析未来100天预测值