期貨預測matlab

㈠ 關於matlab數據預測

數據預測有單因素預測和多因素預測。

單因素預測相對簡單，一般可以通過繪制散點圖，就可以判斷大致符合什麼類型的數學模型。

多因素預測一般通過已知的數學模型，用回歸分析函數（如，nlinfit函數（優先使用），lsqcurvefit函數（優先使用），lsqnonlin函數，ga函數等等）去擬合系數；如未知數學模型，則要考慮多種數學模型，然後比較修改，最簡單的方法可以先用高階多項式去逼近，但有時候用其預測不一定正確，但能反映已知數據的規律。

㈡ 怎樣用matlab預測數據

好像光會用matlab還不行，需要知道預測學（時間序列）。

A=[...
1 213.11 70.418 171.99 41.051
2 304.47 102.31 185.01 55.891
3 381.54 109.55 221.84 68.426
4 411.84 122.72 239.19 63.48
5 512.6 138.27 236.27 45.087
6 405.53 145.49 260.72 28.224
7 465.89 128.85 257.3 52.37
8 430.54 132.47 236.26 42.646
9 337.69 118.22 223.66 32.206
10 287.12 91.244 201.57 54.48
11 239.16 67.346 174.2 55.812
12 164.35 43.481 156.53 58.566
13 194.88 65.275 149.79 47.337
14 217.96 93.02 198.85 45.825
15 373.79 118.68 198.69 47.942
16 353.14 128.02 216.83 48.257
17 398.02 133.2 235.4 52.176
18 413.33 152.1 229.74 66.843
19 422.76 142.38 224.94 51.195
20 382.51 136.73 208.32 56.507
21 330.07 117.46 202.57 70.801
22 222.71 87.827 167.18 46.608
23 226.28 79.421 161.52 57.301
24 172.53 43.185 143.82 52.94
25 104.61 66.263 136.7 41.509
26 169.25 89.975 174.76 24.661
27 271.03 115.16 199.04 26.211
28 320.21 135.38 189.3 46.537
29 320.44 143.9 200.67 43.891
30 338.34 141.34 222.18 45.918
31 344.89 139.11 210.04 35.844
32 280.45 138.31 209.85 52.271
33 295.26 111.51 195.09 52.08
34 217.07 92.9 173.45 42.803
35 152.22 81.783 154.54 57.578
36 123.15 35.159 123.06 33.569
37 84.43 74.211 145.01 39.432
38 221.79 92.62 147.59 47.483
39 264.92 118.6 178.94 37.016
40 272.77 141.11 193.6 62.333
41 315.17 146.03 190.57 64.946
42 357.87 154.4 210.73 52.359
43 315.56 137.52 195.5 35.956
44 292.04 140.44 207.75 56.588
45 245.23 114.94 171.88 24.434
46 173.1 93.046 163.17 44.651
47 147.19 83.55 136.27 82.025
48 64.627 40.875 100.11 54.392
49 144.13 71.833 108.06 38.501
50 147.63 98.872 151.18 58.868
51 234.94 120.63 163.33 47.166
52 284.68 136.69 193.85 60.353
53 297.06 149.62 202.88 46.351
54 339.38 150.76 216.95 63.42
55 309.33 142.97 203.63 60.089
56 229.25 132.69 182.53 52.139
57 204.58 117.28 175.85 47.007
58 138.22 88.026 142.63 52.558
59 103.09 73.892 127.42 48.092
60 4.7968 49.64 101.28 49.209]
t=A(:,1),T=A(:,2),t1=A(:,3),t2=A(:,4),t3=A(:,5)
plot(t,[T,t1,t2,t3])

㈢ 怎麼用matlab實現期貨的人工神經網路預測模型，並作出期貨價格之後趨勢的波動預測急，在線等

國內目前真正能用人工神經網路模型做成全面系統交易模型並在市場上長期穩定快速盈利的，不超過10個，你指望在這里問到答案我覺得期望值是太高了。

㈣ 給出一組數據，如何用MATLAB去預測將來的數據。

這樣：

x=[1 3 5 6 8 9 10 11 12 14 15 17 19 21 23 25];

y=[10 20 42 60 73 79 80 78 73 64 56 71 51 42 41 40];

plot(x,y,'ro');

p=polyfit(x,y,4);%於是擬合出的曲線就是p(1)x^4+p(2)x^3+p(3)x^2+p(4)x+p(5)，想擬合成其它次數的多項式只需將4改為相應的次數即可

f=poly2sym(p);

xinterp=[2 4 7 13 16 18 20 22 24];

yinterp=subs(f,xinterp);

hold on;

plot(xinterp,yinterp,'o');

ezplot(f,[0,30])

(4)期貨預測matlab擴展閱讀：

注意事項

函數命令為：

a=polyfit(x,y,m) % x，y為對應的自變數，m為需要擬合的最高次冪

y=polyval(a,x); %根據擬合的函數得出x對應的因變數的值

函數表達形式為：f(x)=a1*x^m+...+am*x+a_m+1

polyfit(x,y,n)其中：x, y為已知數據點向量, 分別表示橫、縱坐標，n為擬合多項式的次數, 結果返回m次擬合多項式系數, 從高次到低次存放在向量p中.參數p為擬合多項式 y=a1x^n+...+anx+a,共n+1個系數。

示例：

%多項式擬合

x = (0: 0.1: 7)';

y = sin(x);

p = polyfit(x,y,3) %p為擬合後的多項式系數

z=polyval(p,x);

plot(x,y,'r',x,z,'b')

其中p為擬合後的多項式系數，運行結果為：

p =0.0736 -0.7095 1.5250 -0.0296

㈤ 已知目標函數，如何用Matlab進行數據預測

如何用matlab工具箱進行數據預測
設計目標函數，
將預測問題，轉化為優化問題。

㈥ 用matlab什麼程序可以預測股價走勢

這個可以用matlab的時間序列工具試一下，不過感覺沒有spss的時間序列工具好用，因為很多人裝matlab不裝時間序列工具包的。
用spss更好，把數據粘貼進去，就點分析-時間序列-自動時間序列就行，很傻瓜的，等1min，會出來一個走勢圖（輸出結果里下翻才找得到），說是AR多少模型的，後面會有一小段紅線的，那個就是預測。

㈦ matlab如何進行數據的預測

clear;clc;
t=[1:5]; %時間輸入
y=[500.6 442.4 428.6 370.1 343.1];
plot(t,y,'o') %畫散點圖
p=polyfit(t,y,2) %二次多項式擬合
hold on
xi=linspace(0,5,160); %在[0,5]等間距取160 個點
yi=polyval(p,xi); %由擬合得到的多項式及xi，確定yi
plot(xi,yi) %畫擬合曲線圖

㈧ 請問如何用matlab建立人工bp神經網路模型，來對期貨未來的價格變化作出預測急求，在線等。謝謝大神。。

這些事其實很多年前就有很多人做，但是成功的好像沒有。國內期貨市場成交量比較弱,甚至還達不到弱有效市場假說，所以利用概率分布和遺傳演算法很難找到長久的贏利方法。

㈨ 關於模型預測的matlab程序

我沒有自己看你的程序，不過通過圖可以看得清楚啊，實際輸出用『o』表示，預測的用『+』表示。第一個圖估計是初始化，也就是第一步，預測還沒有開始，還是相等的點。而下圖表示，已經預測結束，與實際基本吻合。