模糊预测股价走势

Posted 2022-10-07 studyer_domi

1、内容简介

略
可以交流、咨询、答疑

2、内容说明

随着信息时代的到来，为得到我们所需要的信息，人们在各个方面对数据处理的要求也越来越高，通过数据之间特有的相关联系能更好地帮助我们进行分析并作出判断，以便采取适当行动。而在金融领域，经济全球化持续发展的大环境下，金融投资已逐渐成为社会生活的一个重要组成部分，金融数据的信息化也正发挥着日益重要的作用。但是金融数据，包括日常股票交易在内，往往受到许多因素的影响，比如人的短期情绪、心理因素与产业发展趋势。因此，每日股票交易数据是高维且不确定的，其特点是固有的非线性，这些特点对股票交易决策提出了巨大的挑战。

3、仿真分析

close all
clc
clear
Untitled = readtable("宝安.xlsx");
x = table2array(Untitled(2:end-1,2));
time = 0:length(x)-1;
time = time';
%%
figure
plot(time,x)
title('stock prices')
xlabel('Time (day)')
ylabel('prices')
startnum = 10;
endnum = 350;
gap = endnum-startnum+1;

trnData = Data(1:260,:);
chkData = Data(261:end,:);

fis = genfis(trnData(:,1:end-1), trnData(:,end), genfisOptions('GridPartition'));

figure
subplot(2,2,1)
plotmf(fis,'input',1)
subplot(2,2,2)
plotmf(fis,'input',2)
subplot(2,2,3)
plotmf(fis,'input',3)
subplot(2,2,4)
plotmf(fis,'input',4)

options = anfisOptions('InitialFIS',fis,'ValidationData',chkData);

[fis1,error1,ss,fis2,error2] = anfis(trnData,options);

figure
subplot(2,2,1)
plotmf(fis2,'input',1)
subplot(2,2,2)
plotmf(fis2,'input',2)
subplot(2,2,3)
plotmf(fis2,'input',3)
subplot(2,2,4)
plotmf(fis2,'input',4)

figure
plot([error1 error2])
hold on
plot([error1 error2],'o')
legend('Training error','Checking error')
xlabel('Epochs')
ylabel('Root Mean Squared Error')
title('Error Curves')

anfis_output = evalfis(fis2,[trnData(:,1:4); chkData(:,1:4)]);

ANFIS info:
	Number of nodes: 55
	Number of linear parameters: 80
	Number of nonlinear parameters: 24
	Total number of parameters: 104
	Number of training data pairs: 260
	Number of checking data pairs: 81
	Number of fuzzy rules: 16


Start training ANFIS ...

1 	 11.4177 	 22.9268
2 	 11.4158 	 22.9395
3 	 11.4139 	 22.9523
4 	 11.412 	 22.9651
Step size increases to 0.011000 after epoch 5.
5 	 11.4101 	 22.978
6 	 11.4081 	 22.991
7 	 11.406 	 23.0054
8 	 11.4039 	 23.0199
Step size increases to 0.012100 after epoch 9.
9 	 11.4018 	 23.0345
10 	 11.3996 	 23.0492

Designated epoch number reached. ANFIS training completed at epoch 10.

Minimal training RMSE = 11.3996
Minimal checking RMSE = 22.9268

 

 

4、参考论文

略
 

基于模糊理论的金融数据预测模型与交易策略算法研究_陈倩莹