用神经网络预测股票走势

模型：

寻找一个函数使得

建模就是用径向基函数（RBF）逼近这个函数

输入变量：上证指数2013年1月2日到2016年4月12日7个描述指数的变量

输出变量：未来3天涨还是跌

Code:

m=read.table("C:/Users/lenovo/Desktop/ann.txt",header=F)

names(m)=c("MACD","DIFF","UPPER","MID","LOWER","PRICE","VOLUME"," PROFIT")

# 数据标准化#

normalize=function(x){

return((x-min(x))/(max(x)-min(x)))

}

m_norm=as.data.frame(lapply(m,normalize))

summary(m_norm$PROFIT)

# 按照75%来划分数据#

m_train=m_norm[1:650,]

m_test=m_norm[651:793,]

library(neuralnet)

model=neuralnet(PROFIT ~

MACD+DIFF+UPPER+MID+LOWER+PRICE+VOLUME,

act.fct = "logistic",

data=m_train,hidden=5)

# 将每一个输入变量映射到高维空间从而实现线性可分，而RBF就是这个高维空间的基函数#

plot(model)