内容发布更新时间 : 2024/11/14 12:50:50星期一 下面是文章的全部内容请认真阅读。

%% SVM神经网络的回归预测分析---上证指数开盘指数预测 %

%% 清空环境变量 function chapter14 tic;

close all; clear; clc;

format compact;

%% 数据的提取和预处理

% 载入测试数据上证指数(1990.12.19-2009.08.19)

% 数据是一个4579*6的double型的矩阵,每一行表示每一天的上证指数

% 6列分别表示当天上证指数的开盘指数,指数最高值,指数最低值,收盘指数,当日交易量,当日交易额.

load chapter14_sh.mat;

% 提取数据 [m,n] = size(sh); ts = sh(2:m,1); tsx = sh(1:m-1,:);

% 画出原始上证指数的每日开盘数 figure;

plot(ts,'LineWidth',2);

title('上证指数的每日开盘数(1990.12.20-2009.08.19)','FontSize',12); xlabel('交易日天数(1990.12.19-2009.08.19)','FontSize',12); ylabel('开盘数','FontSize',12); grid on;

% 数据预处理,将原始数据进行归一化 ts = ts'; tsx = tsx';

% mapminmax为matlab自带的映射函数 % 对ts进行归一化

[TS,TSps] = mapminmax(ts,1,2);

% 画出原始上证指数的每日开盘数归一化后的图像 figure;

plot(TS,'LineWidth',2);

title('原始上证指数的每日开盘数归一化后的图像','FontSize',12); xlabel('交易日天数(1990.12.19-2009.08.19)','FontSize',12);

ylabel('归一化后的开盘数','FontSize',12); grid on;

% 对TS进行转置,以符合libsvm工具箱的数据格式要求 TS = TS';

% mapminmax为matlab自带的映射函数 % 对tsx进行归一化

[TSX,TSXps] = mapminmax(tsx,1,2);

% 对TSX进行转置,以符合libsvm工具箱的数据格式要求 TSX = TSX';

%% 选择回归预测分析最佳的SVM参数c&g

% 首先进行粗略选择:

[bestmse,bestc,bestg] = SVMcgForRegress(TS,TSX,-8,8,-8,8);

% 打印粗略选择结果 disp('打印粗略选择结果');

str = sprintf( 'Best Cross Validation MSE = %g Best c = %g Best g = %g',bestmse,bestc,bestg); disp(str);

% 根据粗略选择的结果图再进行精细选择:

[bestmse,bestc,bestg] = SVMcgForRegress(TS,TSX,-4,4,-4,4,3,0.5,0.5,0.05);

% 打印精细选择结果 disp('打印精细选择结果');

str = sprintf( 'Best Cross Validation MSE = %g Best c = %g Best g = %g',bestmse,bestc,bestg); disp(str);

%% 利用回归预测分析最佳的参数进行SVM网络训练

cmd = ['-c ', num2str(bestc), ' -g ', num2str(bestg) , ' -s 3 -p 0.01']; model = svmtrain(TS,TSX,cmd);

%% SVM网络回归预测

[predict,mse] = svmpredict(TS,TSX,model); predict = mapminmax('reverse',predict',TSps); predict = predict';

% 打印回归结果

str = sprintf( '均方误差 MSE = %g 相关系数 R = %g%%',mse(2),mse(3)*100); disp(str);

%% 结果分析 figure;

hold on; plot(ts,'-o');

plot(predict,'r-^');

legend('原始数据','回归预测数据'); hold off;

title('原始数据和回归预测数据对比','FontSize',12);

xlabel('交易日天数(1990.12.19-2009.08.19)','FontSize',12); ylabel('开盘数','FontSize',12); grid on;

figure;

error = predict - ts'; plot(error,'rd');

title('误差图(predicted data - original data)','FontSize',12); xlabel('交易日天数(1990.12.19-2009.08.19)','FontSize',12); ylabel('误差量','FontSize',12); grid on;

figure;

error = (predict - ts')./ts'; plot(error,'rd');

title('相对误差图(predicted data - original data)/original data','FontSize',12); xlabel('交易日天数(1990.12.19-2009.08.19)','FontSize',12); ylabel('相对误差量','FontSize',12); grid on; snapnow; toc;

%% 子函数 SVMcgForRegress.m function [mse,bestc,bestg]

SVMcgForRegress(train_label,train,cmin,cmax,gmin,gmax,v,cstep,gstep,msestep) %SVMcg cross validation by faruto %

% by faruto

%Email:patrick.lee@foxmail.com QQ:516667408 http://blog.sina.com.cn/faruto BNU %last modified 2010.01.17

%Super Moderator @ www.ilovematlab.cn

% 若转载请注明：

% faruto and liyang , LIBSVM-farutoUltimateVersion

% a toolbox with implements for support vector machines based on libsvm, 2009. % Software available at http://www.ilovematlab.cn %

=