本工具箱使用遗传算法对三参数进行寻优处理,适合用于金融产品等其他数据的预测问题。
发在数据挖掘板块,没人用,挺好的东西怎么就……转到本版来,希望有人关注吧。。。
支持向量机是基于小样本回归的神经网络,关于预测效果,不吹牛,我用沪深300作为训练集进行参数寻优、训练集回归。直接上图:
SVR文件夹包括三个部分:
Charles Li:
SVR00为主函数;SVR001为归一化函数;SVR002为主成分降维函数;
SVR03为遗传算法寻优函数;SVR04为SVR模型预测函数
GA: 设菲尔德大学开发的遗传算法工具箱
LibSVM:台湾林智仁先生开发的LivSVM工具箱
HuShen300Test.mat:
该文件保存的是沪深300指数从2012年到2013年3月的数据。其中
训练集为2012年到2013年2月,预测集为2013年2月到3月。选取
开盘价、最高价、最低价、成交金额、成交量为自变量,收盘价
为因变量,步长为5。文件用于测试使用。将SVR文件夹添加路径
后输入:
load 1.mat
[ptest,ptrain,model,cmd]=SVR00(Test_y,Test_x,Train_y,Train_x,1)
即可
SVRGenerator.m:
该函数用来将倒入数据生成程序需要的格式。其中num1为训练集
矩阵,num2为预测集矩阵,第一列保存因变量,其后任意列数保
存任意数量的自变量;bc为步长。
调用格式为:
[Train_x,Train_y,Test_x,Test_y]=SVRGenerator(num1,num2,bc)
每个函数的使用说明详见对应的.m文件。
本工具箱借鉴了 libsvm-[farutoUltimate3.1]的部分内容,根据预测需求删改了部分内容,并对函数句柄加以优化,使之更加简洁易懂,更适合金融预测、数据挖掘使用。
辛辛苦苦开发的工具箱,为了方便大家便宜卖了,简直是贱卖啊。。。使用、引用还麻烦请注明Charles li SVR 1.0。
如有改进建议欢迎发邮件到spacegoing@gmail.com,由于最近较忙,回复若不及时敬请谅解.