【预测模型】基于最小二乘法算法实现股票预测matlab代码

怼烎@ 2022-08-28 00:51 186阅读 0赞

## 1 简介 ##

1. 基本知识

偏最小二乘法是一种新型的多元统计数据分析方法，它通过最小化误差的平方找到一组数据的最佳函数匹配。用最简单的办法去求些未知的真值，使他们的误差平方和最小。这种方法近几十年来，在各领域都得到了迅速发展。偏最小二乘法把固定模式的方法和灵活性的认识巧妙的结合起来了，实现回归建模 ( 多元线性回归 )、数据结构简化 ( 主成分分析 ) 以及两组变量之间的相关性分析( 典型相关分析 )。这是多元统计数据分析中的一个飞跃 。

![a897e890df2ea43ebfc858e0a2fbfa85.png][]

![f9db26248bac29b105b5f3f144b9f675.png][]

## 2 完整代码 ##

%-----最小二乘法方法—
    clc;
    clear all;  
    %% -------数据处理模块------------------
    data(1,:)=xlsread('600085.xlsx','E5:E704');
    %-----------------数据归一化处理----------
    data(2,:)=xlsread('600085.xlsx','B5:B704');
    %标准化处理
    datamean=mean(data,2);
    datastd=std(data,0,2);
    Normdata=bsxfun(@minus,data,datamean)./repmat(datastd,1,700);
    A1=Normdata(1,:);
    B1=Normdata(2,:);
    C=data(1,:);
    trainP=B1(1:600);   %训练输入数据
    trainT=A1(1:600);    %训练输出数据
    preInput=B1(601:700);  %预测输入数据
    targetOutput=C(601:700);  %目标数据
    
    %% ----- 最小二乘法--------------
    A=trainP*trainT'*inv(trainT*trainT');
    %预测阶段
    preP=A*preInput;
    
    
    %% 反归一化处理
    for i=1:length(preP)   %对预测输出的数据进行反归一化
      preOut(i)=preP(i)*datastd(1,:)+datamean(1,:);
    end
    %误差处理
    errorMes=targetOutput-preOut;
    %% 作图比较
    figure(1);
    subplot(2,1,1);
    plot(1:100,preOut,'r*',1:100,targetOutput,'bo');
    legend('predict','real');
    title('最小二乘法预测值与真实值');
    subplot(2,1,2);
    plot(errorMes,'r');
    title('最小二乘法预测值与真实值的绝对误差值');

## 3 仿真结果 ##

![763449a99ad0393d273e03eb51a8a22a.png][]

## 4 参考文献 ##

\[1\]李雪莲, 孙尧, & 莫宏伟. (2009). 基于最小二乘法的冗余信息数据融合算法实现. 计算机工程与应用, 45(15), 5.

![图片][4afdf50c1541eee8ed2a04a8d5d85722.png]

[a897e890df2ea43ebfc858e0a2fbfa85.png]: /images/20220828/1ef5d7dd7ea74472be48002a857a22b9.png
[f9db26248bac29b105b5f3f144b9f675.png]: /images/20220828/c01ffb45f16f4d06a1527c574d72efca.png
[763449a99ad0393d273e03eb51a8a22a.png]: /images/20220828/5a572ee368eb42e785ee7c8677852a3a.png
[4afdf50c1541eee8ed2a04a8d5d85722.png]: /images/20220828/16060f0291414365831f89180e1f3b89.png