【预测模型】基于Elman神经网络预测股票matlab源码
1 简介
为了更好地把握股票价格的波动,应用了在处理序列数据输入输出具有优越性的E lman递归神经网络建立股市预测模型,并用两支股票进行了检测,检测结果说明人工神经网络应用于中国股票市场的预测是可行和有效的,有着良好的前景。
2 完整代码
% elm_stockpredict.m
%% 清除工作空间中的变量和图形
clear,clc
close all
%% 1.加载337期上证指数开盘价格
load matlab.mat
whos
rng(1)
%% ARMA模型
z=iddata(y1);
m=armax(z(1:19),'na',2,'nc',1);
yp = predict(m,y1,1);
yp=yp';
yp=yp(:,157:end);
%% 2.构造样本集
% 数据个数
price=y1;
n=length(price);
% 确保price为列向量
price=price(:);
% x(n) 由x(n-1),x(n-2),...,x(n-L)共L个数预测得到.
L = 6;
% price_n：每列为一个构造完毕的样本，共n-L个样本
price_n = zeros(L+1, n-L);
for i=1:n-L
price_n(:,i) = price(i:i+L);
end
%% 划分训练、测试样本
% 将前280份数据划分为训练样本
% 后51份数据划分为测试样本
trainx = price_n(1:6, 1:150);
trainy = price_n(7, 1:150);
testx = price_n(1:6, 151:end);
testy = price_n(7, 151:end);
%% 创建Elman神经网络
% 包含15个神经元，训练函数为traingdx
net=elmannet(1:2,15,'traingdx');
% 设置显示级别
net.trainParam.show=1;
% 最大迭代次数为2000次
net.trainParam.epochs=2000;
% 误差容限，达到此误差就可以停止训练
net.trainParam.goal=0.00001;
% 最多验证失败次数
net.trainParam.max_fail=5;
% 对网络进行初始化
net=init(net);
%% 网络训练
%训练数据归一化
[trainx1, st1] = mapminmax(trainx);
[trainy1, st2] = mapminmax(trainy);
% 测试数据做与训练数据相同的归一化操作
testx1 = mapminmax('apply',testx,st1);
testy1 = mapminmax('apply',testy,st2);
% 输入训练样本进行训练
[net,per] = train(net,trainx1,trainy1);
%% 测试。输入归一化后的数据，再对实际输出进行反归一化
% 将训练数据输入网络进行测试
train_ty1 = sim(net, trainx1);
train_ty = mapminmax('reverse', train_ty1, st2);
% 将测试数据输入网络进行测试
test_ty1 = sim(net, testx1);
test_ty = mapminmax('reverse', test_ty1, st2);
%% 显示结果
% 2.显示测试数据的测试结果
figure(1)
x=1:length(test_ty);
% 显示真实值
plot(x,testy,'b-');
hold on
% 显示神经网络的输出值
plot(x,test_ty,'r--')
% 显示ARMA的输出值
plot(x,yp,'k--')
legend('real price','prediction price of Elman','prediction price of ARMA')
title('Test Results');
% 显示均方误差
mse2 = mse(test_ty - testy);
fprintf(' Elman_mse = \n %f\n', mse2)
mse3 = mse(yp - testy);
fprintf(' ARMA_mse = \n %f\n', mse3)
% 显示相对误差
disp(' 相对误差1：')
fprintf('%f ', (test_ty - testy)./testy );
fprintf('\n')
disp(' 相对误差2：')
fprintf('%f ', (yp - testy)./testy );
fprintf('\n')
3 仿真结果
4 参考文献
[1]林春燕, and 朱东华. "基于Elman神经网络的股票价格预测研究." 计算机应用 02(2006):476-477.
