├── README.md
└── bp.m


/README.md:
--------------------------------------------------------------------------------
 1 | # BP算法简介
 2 | BP神经网络是经典的神经网络。在中国上证指数收到很多的音素的影响，在理想的情况下，对个股音素分别标记样本，是可以对上证指数进行模拟和运算的。
 3 | 
 4 | blog(博客） : https://errol.blog.csdn.net/
 5 | 
 6 | # 详细请参考本文的论文：《基于自适应BP神经网络的上证指数预测模型的研究》
 7 | [论文地址](https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2016&filename=CDXB201606005&v=MTkyMTZZWVI4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUkxPZlkrZHZGQ3JrVnIzQUppblRiTEc0SDlmTXFZOUY=)
 8 | 
 9 | # DataSet在自己的网盘，有需要的可以自己去下载。
10 | 
11 | # 结果显示
12 | ![ 预测结果和模拟结果](https://ws4.sinaimg.cn/large/006tNc79gy1g1xxe19sk8j30bv07x0sx.jpg)
13 | ![预测结果](https://ws1.sinaimg.cn/large/006tNc79gy1g1xxfppa2kj309u07tq31.jpg)
14 | 


--------------------------------------------------------------------------------
/bp.m:
--------------------------------------------------------------------------------
  1 | %bp.m​
  2 | 
  3 | %处理数据
  4 | 
  5 | clear
  6 | 
  7 | close all
  8 | 
  9 | echo on  %窗口响应执行过程
 10 | 
 11 | clc
 12 | 
 13 | pause
 14 | 
 15 | a=xlsread('learn.xls',1,'A2:A301');%样本时间序号
 16 | 
 17 | a1=xlsread('learn.xls',1,'A7:A301');%预测时间序号
 18 | 
 19 | b=xlsread('learn.xls',1,'C2:C301');%读取指数
 20 | 
 21 | for i=1:1:295
 22 | 
 23 |     y(i)=b(i+5);%理想输出
 24 | 
 25 | end       
 26 | 
 27 | for i=1:1:295
 28 | 
 29 |     for j=1:1:5
 30 | 
 31 |         x(j,i)=b(i+j-1);%输入
 32 | 
 33 |     end
 34 | 
 35 | end
 36 | 
 37 | a
 38 | 
 39 | x    %以前五日预测明天的大盘指数的输入矩阵
 40 | 
 41 | y    %理想的输出
 42 | 
 43 | %pause
 44 | 
 45 | [xn,minx,maxx,yn,miny,maxy]=premnmx(x,y) %数据归一化处理
 46 | 
 47 | xn
 48 | 
 49 | yn
 50 | 
 51 | %pause
 52 | 
 53 | tic;
 54 | 
 55 | %建立神经网络
 56 | 
 57 | net=newff(minmax(xn),[11,1],{'tansig','purelin'},'trainlm');
 58 | 
 59 | net.trainparam.show=50;    %显示迭代过程
 60 | 
 61 | net.trainparam.lr=0.5;    %学习率
 62 | 
 63 | net.trainparam.epochs=1000; %最大训练次数
 64 | 
 65 | net.trainparam.goal=1e-3;  %训练要求精度
 66 | 
 67 | net.trainparam.mc=0;     %动量因子
 68 | 
 69 |  [net,tr]=train(net ,xn,yn); %训练bp网络
 70 | 
 71 | t = toc;
 72 | 
 73 | t
 74 | 
 75 | pause
 76 | 
 77 | inputWeights=net.iw{1,1} %输入层权值
 78 | 
 79 | inputbias=net.b{1}      %输入层阈值
 80 | 
 81 | layerWeights=net.lw{2,1} %输出层权值
 82 | 
 83 | layerbias=net.b{2}       %输出层阈值
 84 | 
 85 | %对网络仿真预测
 86 | 
 87 | On = sim (net ,xn);
 88 | 
 89 | E=On-yn %计算误差
 90 | 
 91 | M=sse(E) 
 92 | 
 93 | N=mse(E)
 94 | 
 95 | %pause
 96 | 
 97 |  
 98 | 
 99 | a2=postmnmx(On,miny,maxy)
100 | 
101 | plot(a1,xn)
102 | 
103 | title('归一化处理后的样本','FontSize',12);
104 | 
105 | xlabel('统计时间2014.9.6-2015.11.10','FontSize',10);
106 | 
107 | ylabel('归一化后的上证指数','FontSize',10);
108 | 
109 | figure;
110 | 
111 | plot(a1,yn)
112 | 
113 | plot(a,b,'*');
114 | 
115 | title('上证指数预测收盘价格','FontSize',12);
116 | 
117 | xlabel('统计时间2014.9.1-2015.11.10','FontSize',10);
118 | 
119 | ylabel('上证指数','FontSize',10);
120 | 
121 | hold on
122 | 
123 | plot(a1,a2,'r+');
124 | 
125 | legend('实际值','r预测值');
126 | 
127 | echo off
128 | 
129 | pause 
130 | 
131 | clc
132 | 


--------------------------------------------------------------------------------