%%?SVM神經網絡的信息粒化時序回歸預測----上證指數開盤指數變化趨勢和變化空間預測?
%
%?
%?			該案例作者申明：				1：本人長期駐扎在此板塊里，對該案例提問，做到有問必答。	2：此案例有配套的教學視頻，配套的完整可運行Matlab程序。						3：以下內容為該案例的部分內容（約占該案例完整內容的1/10）。							4：此案例為原創案例，轉載請注明出處（Matlab中文論壇，《Matlab神經網絡30個案例分析》）。							5：若此案例碰巧與您的研究有關聯，我們歡迎您提意見，要求等，我們考慮后可以加在案例里。							6：您看到的以下內容為初稿，書籍的實際內容可能有少許出入，以書籍實際發行內容為準。					7：此書其他常見問題、預定方式等，請點擊這里。	
%?
%

%%?清空環境變量
function?chapter15
tic;
close?all;
clear;
clc;
format?compact;
%%?原始數據的提取

%?載入測試數據上證指數（1990.12.19-2009.08.19）
%?數據是一個4579*6的double型的矩陣每一行表示每一天的上證指數
%?6列分別表示當天上證指數的開盤指數指數最高值指數最低值收盤指數當日交易量當日交易額.
load?chapter15_sh.mat;

%?提取數據
ts?=?sh_open;
time?=?length（ts）;

%?畫出原始上證指數的每日開盤數
figure;
plot（ts‘LineWidth‘2）;
title（‘上證指數的每日開盤數（1990.12.20-2009.08.19）‘‘FontSize‘12）;
xlabel（‘交易日天數（1990.12.19-2009.08.19）‘‘FontSize‘12）;
ylabel（‘開盤數‘‘FontSize‘12）;
grid?on;
print?-dtiff?-r600?original;

snapnow;

%%?對原始數據進行模糊信息粒化

win_num?=?floor（time/5）;
tsx?=?1:win_num;
tsx?=?tsx‘;
[LowRUp]=FIG_D（ts‘‘triangle‘win_num）;

%?模糊信息粒化可視化圖
figure;
hold?on;
plot（Low‘b+‘）;
plot（R‘r*‘）;
plot（Up‘gx‘）;
hold?off;
legend（‘Low‘‘R‘‘Up‘2）;
title（‘模糊信息粒化可視化圖‘‘FontSize‘12）;
xlabel（‘粒化窗口數目‘‘FontSize‘12）;
ylabel（‘粒化值‘‘FontSize‘12）;
grid?on;
print?-dtiff?-r600?FIGpic;

snapnow;
%%?利用SVM對Low進行回歸預測

%?數據預處理將Low進行歸一化處理
%?mapminmax為matlab自帶的映射函數
[lowlow_ps]?=?mapminmax（Low）;
low_ps.ymin?=?100;
low_ps.ymax?=?500;
%?對Low進行歸一化
[lowlow_ps]?=?mapminmax（Lowlow_ps）;
%?畫出Low歸一化后的圖像
figure;
plot（low‘b+‘）;
title（‘Low歸一化后的圖像‘‘FontSize‘12）;
xlabel（‘粒化窗口數目‘‘FontSize‘12）;
ylabel（‘歸一化后的粒化值‘‘FontSize‘12）;
grid?on;
print?-dtiff?-r600?lowscale;
%?對low進行轉置以符合libsvm工具箱的數據格式要求
low?=?low‘;
snapnow;

%?選擇回歸預測分析中最佳的SVM參數c&g
%?首先進行粗略選擇
[bestmsebestcbestg]?=?SVMcgForRegress（lowtsx-1010-10103110.11）;

%?打印粗略選擇結果
disp（‘打印粗略選擇結果‘）;
str?=?sprintf（?‘SVM?parameters?for?Low:Best?Cross?Validation?MSE?=?%g?Best?c?=?%g?Best?g?=?%g‘bestmsebestcbestg）;
disp（str）;

%?根據粗略選擇的結果圖再進行精細選擇
[bestmsebestcbestg]?=?SVMcgForRegress（low

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2012-06-30?15:20??SVM神經網絡的信息粒化時序回歸預測\
?????文件????????6456??2009-03-21?21:14??SVM神經網絡的信息粒化時序回歸預測\FIG_D.m
?????文件???????11079??2009-11-13?16:07??SVM神經網絡的信息粒化時序回歸預測\chapter15.m
?????文件??????256680??2010-01-30?18:39??SVM神經網絡的信息粒化時序回歸預測\chapter15_sh.mat
?????目錄???????????0??2012-06-30?15:20??SVM神經網絡的信息粒化時序回歸預測\html\
?????文件???????38039??2009-10-03?21:49??SVM神經網絡的信息粒化時序回歸預測\html\chapter15.html
?????文件????????4443??2009-10-03?21:49??SVM神經網絡的信息粒化時序回歸預測\html\chapter15.png
?????文件????????8510??2009-10-03?21:16??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_01.png
?????文件???????15731??2009-10-03?21:16??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_02.png
?????文件???????10641??2009-10-03?21:16??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_03.png
?????文件???????11691??2009-10-03?21:27??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_04.png
?????文件???????17069??2009-10-03?21:27??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_05.png
?????文件???????12615??2009-10-03?21:27??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_06.png
?????文件???????12873??2009-10-03?21:27??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_07.png
?????文件???????11005??2009-10-03?21:27??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_08.png
?????文件???????11547??2009-10-03?21:38??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_09.png
?????文件???????16527??2009-10-03?21:38??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_10.png
?????文件???????12313??2009-10-03?21:38??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_11.png
?????文件???????14398??2009-10-03?21:38??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_12.png
?????文件???????11769??2009-10-03?21:38??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_13.png
?????文件????????7704??2009-10-03?21:49??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_14.png
?????文件????????8789??2009-10-03?21:49??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_15.png
?????文件???????12046??2009-10-03?21:49??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_16.png
?????文件???????13220??2009-10-03?21:49??SVM神經網絡的信息粒化時序回歸預測\html\chapter15_17.png
?????文件?????1856042??2010-02-01?13:23??SVM神經網絡的信息粒化時序回歸預測\original.tif