%?elm_stockpredict.m

%%?清除工作空間中的變量和圖形
clearclc
close?all

%%?1.加載337期上證指數開盤價格
load?matlab.mat

whos
rng（1）
%%?ARMA模型
z=iddata（y1）;
m=armax（z（1:19）‘na‘2‘nc‘1）;
yp?=?predict（my11）;
yp=yp‘;

yp=yp（:157:end）;
%%?2.構造樣本集
%?數據個數
price=y1;
n=length（price）;

%?確保price為列向量
price=price（:）;

%?x（n）?由x（n-1）x（n-2）...x（n-L）共L個數預測得到.
L?=?6;

%?price_n：每列為一個構造完畢的樣本，共n-L個樣本
price_n?=?zeros（L+1?n-L）;
for?i=1:n-L
????price_n（:i）?=?price（i:i+L）;
end

%%?劃分訓練、測試樣本
%?將前280份數據劃分為訓練樣本
%?后51份數據劃分為測試樣本

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）;

%%?創建Elman神經網絡

%?包含15個神經元，訓練函數為traingdx
net=elmannet（1:215‘traingdx‘）;

%?設置顯示級別
net.trainParam.show=1;

%?最大迭代次數為2000次
net.trainParam.epochs=2000;

%?誤差容限，達到此誤差就可以停止訓練
net.trainParam.goal=0.00001;

%?最多驗證失敗次數
net.trainParam.max_fail=5;

%?對網絡進行初始化
net=init（net）;

%%?網絡訓練

%訓練數據歸一化
[trainx1?st1]?=?mapminmax（trainx）;
[trainy1?st2]?=?mapminmax（trainy）;

%?測試數據做與訓練數據相同的歸一化操作
testx1?=?mapminmax（‘apply‘testxst1）;
testy1?=?mapminmax（‘apply‘testyst2）;

%?輸入訓練樣本進行訓練
[netper]?=?train（nettrainx1trainy1）;

%%?測試。輸入歸一化后的數據，再對實際輸出進行反歸一化

%?將訓練數據輸入網絡進行測試
train_ty1?=?sim（net?trainx1）;
train_ty?=?mapminmax（‘reverse‘?train_ty1?st2）;

%?將測試數據輸入網絡進行測試
test_ty1?=?sim（net?testx1）;
test_ty?=?mapminmax（‘reverse‘?test_ty1?st2）;

%%?顯示結果
%?2.顯示測試數據的測試結果
figure（1）
x=1:length（test_ty）;

%?顯示真實值
plot（xtesty‘b-‘）;
hold?on
%?顯示神經網絡的輸出值
plot（xtest_ty‘r--‘）

%?顯示ARMA的輸出值
plot（xyp‘k--‘）

legend（‘real?price‘‘prediction?price?of?Elman‘‘prediction?price?of?ARMA‘）
title（‘Test?Results‘）;

%?顯示均方誤差
mse2?=?mse（test_ty?-?testy）;
fprintf（‘????Elman_mse?=?\n?????%f\n‘?mse2）
mse3?=?mse（yp?-?testy）;
fprintf（‘????ARMA_mse?=?\n?????%f\n‘?mse3）

%?顯示相對誤差
disp（‘????相對誤差1：‘）
fprintf（‘%f??‘?（test_ty?-?testy）./testy?）;
fprintf（‘\n‘）
disp（‘????相對誤差2：‘）
fprintf（‘%f??‘?（yp?-?testy）./testy?）;
fprintf（‘\n‘）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件??????86239??2018-03-27?18:15??matlab.mat

?????文件???????2349??2018-04-16?20:44??elm_stockpredict.m

-----------?---------??----------?-----??----

????????????????88588????????????????????2