基于遗传优化的双BP神经网络金融序列预测算法matlab仿真

目录

1.程序功能描述

2.测试软件版本以及运行结果展示

3.核心程序

4.本算法原理

5.完整程序

---

1.程序功能描述

基于遗传优化的双BP神经网络金融序列预测算法matlab仿真，采用的双BP神经网络结构如下：

2.测试软件版本以及运行结果展示

MATLAB2022A版本运行

三个算法的误差对比：

3.核心程序

...................................................................
LEN = 10;
%样本的划分
for i = 1:length(C)-LEN
    Price1(:,i) = C(i:i+LEN-1);
    Price2(i)   = C(i+LEN);
end

%训练样本
L1 = floor(0.6*length(Price2));
for i = 1:L1
    train_data(:,i) = Price1(:,i); 
    train_aim(i)    = Price2(i);
end

%测试样本
L2 = length(Price2) - L1;
for i = 1:L2
    test_data(:,i) = Price1(:,i+L1); 
    test_aim(i)    = Price2(i+L1);
end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%如下的是改进BP网络算法
%定义神经网络的各个层的个数
Num_In     = LEN;
Num_Hidden = 60;
Num_Out    = 1;
%构建BP网络
net        = newff(train_data,train_aim,Num_Hidden);

ERR1 = [];
ERR2 = [];
ERR3 = [];
for j = 1:5
    j
    %通过改进遗传算法优化BP参数
    net        = func_newGA(net,Num_In,Num_Hidden,Num_Out,train_data,train_aim);
    %网络训练
    net.trainParam.showWindow = 0;
    net        = train(net,train_data,train_aim);
    outputs    = sim(net,test_data);
    d1         = test_aim*(Maxs-Mins) + Mins;
    d2         = outputs*(Maxs-Mins) + Mins;
    ERR1       = [ERR1,mean(abs(d1-d2)./d2) ];
    ERR2       = [ERR2,mean((abs(d1-d2)./d2).^2) ];
    ERR3   = [ERR3,std((abs(d1-d2)./d2).^2) ];
end

figure;
plot(d1,'b');
hold on
plot(d2,'r');
legend('真实股价','预测股价');
xlabel('时间（days）');
ylabel('收盘价格对比');

disp('平均误差：');
mean(ERR1)
disp('平方差：');
mean(ERR2)
disp('均方差：');
mean(ERR3)
save r2.mat d1 d2
04_004m

04_004m

4.本算法原理

整个BP算法的整体结构如下所示：

首先看下传统的遗传算法，遗传算法优化的过程如下所示：

 1.选择问题解的一个编码，给出一个有N个染色体的初始群体pop(1)，t=1。

2.对群体中的每一个染色体 ，计算它的适应函数值f(xi)。

3.若停止规则满足，则算法停止，否则计算概率P，并以此概率分布，从pop(t)中随机选取N个染色体构成一个新的种群newpop(t)。

4.通过交叉（交叉概率为），得到N个染色体的crosspop(t+1)。

5.以较小的变异概率 ，使得某染色体的一个基因发生变异，形成新的群体mutpop(t+1)。  令t=t+1，pop(t)=mutpop(t)，重复第（2）步。

其详细步骤如下：

      这里，通过设置两个BP神经网络的方法来实现预测功能，一个神经网络的初始学习率设置较大，一个神经网络的初始学习率设置较小，两个神经网络的误差分别为e1，e2，最后得到的结果按如下公式计算：

5.完整程序

VVV