clear?all
clc
clf

%采用三層BP網(wǎng)絡(luò)結(jié)構(gòu)
%輸入層神經(jīng)元數(shù)為5，隱含層神經(jīng)元數(shù)為3，輸出層神經(jīng)元數(shù)為1

%最大迭代次數(shù)
maxcishu=5000;

%e為計(jì)算輸出和樣本實(shí)際輸出差
%在內(nèi)存中開辟maxcishu個(gè)存儲(chǔ)空間
e=zeros（maxcishu1）;

%?輸入數(shù)據(jù)維度5，輸入節(jié)點(diǎn)數(shù)5
%?maxp當(dāng)日最高價(jià)序列
%?minp當(dāng)日最低價(jià)序列
%?sp當(dāng)日開盤價(jià)
%?ep當(dāng)日收盤價(jià)
%?tnum當(dāng)日成交量
%?調(diào)用數(shù)據(jù)
%shuju=xlsread（‘dm.xlsx‘?‘B1:K151‘）;
shuju=importdata（‘BP_ZXF.xlsx‘）;
sp=shuju.data（:1）‘;
maxp=shuju.data（:2）‘;
minp=shuju.data（:3）‘;
tnum=shuju.data（:10）‘;
ep=shuju.data（:4）‘;

%將數(shù)據(jù)集按照2:1分為訓(xùn)練樣本集，和測(cè)試樣本集
jishu=length（ep）;
jishu=ceil（jishu/3*2）?;

%測(cè)試樣本集是2/3處到最后一個(gè)
spt=sp（jishu+1:end）;
maxpt=maxp（jishu+1:end）;
minpt=minp（jishu+1:end）;
tnumt=tnum（jishu+1:end）;
ept=ep（jishu+1:end）;

%訓(xùn)練樣本集
sp=sp（1:jishu）;
maxp=maxp（1:jishu）;
minp=minp（1:jishu）;
tnum=tnum（1:jishu）;
ep=ep（1:jishu）;

%記錄下每組的最大值最小值，為訓(xùn)練樣本集的歸一化準(zhǔn)備
maxp_max=max（maxp）;
maxp_min=min（maxp）;
minp_max=max（minp）;
minp_min=min（minp）;
ep_max=max（ep）;
ep_min=min（ep）;
sp_max=max（sp）;
sp_min=min（sp）;
tnum_max=max（tnum）;
tnum_min=min（tnum）;

%?目標(biāo)數(shù)據(jù)為次日的收盤價(jià)，相當(dāng)于把當(dāng)日收盤價(jià)時(shí)間序列向前挪動(dòng)一個(gè)單位
goalp=ep（2:jishu）;

%數(shù)據(jù)歸一化將所有數(shù)據(jù)歸一化到（0?1）
guiyi=@（A）（（A-min（A））/（max（A）-min（A）））;
maxp=guiyi（maxp）;
minp=guiyi（minp）;
sp=guiyi（sp）;
ep=guiyi（ep）;
tnum=guiyi（tnum）;

%?后面的目標(biāo)數(shù)據(jù)goalp個(gè)數(shù)是ep向前移動(dòng)一位得到，所以最后一組的目標(biāo)數(shù)據(jù)缺失
%?所以，要把除了目標(biāo)數(shù)據(jù)goalp以外的所有數(shù)據(jù)序列刪除最后一個(gè)
maxp=maxp（1:jishu-1）;
minp=minp（1:jishu-1）;
sp=sp（1:jishu-1）;
ep=ep（1:jishu-1）;
tnum=tnum（1:jishu-1）;

%需要循環(huán)學(xué)習(xí)次數(shù)loopn，即訓(xùn)練樣本的個(gè)數(shù)
loopn=length（maxp）;
%為了方便表示將5個(gè)行向量放到一個(gè)5*loopn的矩陣中simp中每一列是一個(gè)樣本向量
simp=[maxp;minp;sp;ep;tnum];

%隱含層節(jié)點(diǎn)n
%根據(jù)相關(guān)資料，隱含層節(jié)點(diǎn)數(shù)比輸入節(jié)點(diǎn)數(shù)少，一般取1/2輸入節(jié)點(diǎn)數(shù)
bn=3;

%隱含層激活函數(shù)為S型函數(shù)
jihuo=@（x）（1/（1+exp（-x）））;

%bx用來存放隱含層每個(gè)節(jié)點(diǎn)的輸出
%bxe用來保存bx經(jīng)過S函數(shù)處理的值，即輸出層的輸入
bx=zeros（bn1）;
bxe=zeros（bn1）;

%權(quán)值學(xué)習(xí)率u
u=0.02;

%W1（mn）表示隱含層第m個(gè)神經(jīng)元節(jié)點(diǎn)的第n個(gè)輸入數(shù)值的權(quán)重，
%即，每一行對(duì)應(yīng)一個(gè)節(jié)點(diǎn)
%所以輸入層到隱含層的權(quán)值W1構(gòu)成一個(gè)bn*5的矩陣，初值隨機(jī)生成
W1=rand（bn5）;

%W2（m）表示輸出節(jié)點(diǎn)第m個(gè)輸入的初始權(quán)值，采用隨機(jī)生成
W2=rand（1bn）;

%loopn個(gè)訓(xùn)練樣本，對(duì)應(yīng)loopn個(gè)輸出
out=zeros（loopn1）;

for?k=1:1:maxcishu
????
????%訓(xùn)練開始i表示為本次輸入的是第i個(gè)樣本向量
????for?i=1:1:loopn
????????
????????%求中層每個(gè)節(jié)點(diǎn)bx（n）的輸出，系數(shù)對(duì)應(yīng)的是W1的第n行
????????for?j=1:1:bn
????????????bx（j）=W1（j:）*simp（:i）;
????????????bxe（j）=jihuo（bx（j））;
????????end
????????
????????%求輸出
????????out（i）=W2*bxe;
????????
????????%誤差反向傳播過程
????????%計(jì)算輸出節(jié)點(diǎn)的輸入權(quán)值修正量結(jié)果放在行向量AW2中
????????%輸出神經(jīng)元激活函數(shù)?f（x）=x
????????%為了書寫方便，將deta用A代替
????????AW2=zeros（1bn）;
????????AW2=u*（out（i）-goalp（i））*bxe‘;
????????
????????%計(jì)算隱含層節(jié)點(diǎn)的輸入權(quán)值修正量結(jié)果放在行向量AW1中需要對(duì)隱含層節(jié)點(diǎn)逐個(gè)處理
????????AW1=zeros（bn5）;
????????for?j=1:1:bn
????????????AW1（j:）=u*?（out（i）-goalp（i））*W2（j）*bxe（j）*（1-bxe（j））*simp（:i）‘;
????????end
????????W1=W1-AW1;
????????W2=W2-AW2;
????end
????
????%計(jì)算樣本偏差
????e（k）=sum（（out-goalp‘）.^2）/2/loopn;
????%誤差設(shè)定
????if?e（k）<=0.01
????????disp（‘迭代次數(shù)‘）
????????disp（k）
????????disp（‘訓(xùn)練樣本集誤差‘）
????????disp（e（k））
????????break
????end
end

%顯示訓(xùn)練好的權(quán)值
W1
W2
%繪制誤差收斂曲線，直觀展示收斂過程
figure（1）
hold?on
e=e（1:k）;
plot（e）
title（‘訓(xùn)練樣本集誤差曲線‘）
%?計(jì)算輸出和實(shí)際輸出對(duì)比圖
figure（2）
plot（out‘rp‘）
hold?on
plot（goalp‘bo‘）

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????文件????????4614??2015-11-24?19:19??BP_ZXF.m
?????文件???????24599??2015-11-11?23:24??BP_ZXF.xlsx
?????文件??????260162??2016-01-02?15:44??基于BP網(wǎng)絡(luò)的股票數(shù)據(jù)預(yù)測(cè)模型.docx