基于系统辨识的股票预测

系统辨识与自适应控制实验报告——股票预测姓名：李岱专业：电气[专研]学号：实验内容：建立中国石油从2012-02-24到2012-04-06的每日开盘价时间序列分析预测模型，并给出从2012-04-09到中国石油2012-02-24到2012-04-06y=[10.2610.2710.3510.4810.5310.5610.4610.4710.5510.4510.2910.3110.3410.3010.2510.3910.1810.2210.3210.3210.2010.0910.0510.0410.0610.029.879.749.709.72];使用一次算法，分别建立的一至六阶的非线性拟合模型六阶模型程序：clearall;y=[10.2610.2710.3510.4810.5310.5610.4610.4710.5510.4510.2910.3110.3410.3010.2510.3910.1810.2210.3210.3210.2010.0910.0510.0410.0610.029.879.749.709.72];j=[00000];fori=1:30%前30天的数据Y(i)=y(i);endform=1:5%预测五天后的数据fori=1:29+mx1(i)=i;x2(i)=i^2;x3(i)=i^3;x4(i)=i^4;x5(i)=i^5;x6(i)=i^6;endfori=1:29+mfai(i,7)=x6(i);fai(i,6)=x5(i);fai(i,5)=x4(i);fai(i,4)=x3(i);fai(i,3)=x2(i);fai(i,2)=x1(i);fai(i,1)=1;endtheta=inv(fai'*fai)*fai'*Y';a0=theta(1);1=theta(2);a2=theta(3);a3=theta(4);a4=theta(5);a5=theta(6);a6=theta(7);fori=1:29+mfaik=[1x1(i)x2(i)x3(i)x4(i)x5(i)x6(i)];ipsn(i)=Y(i)-faik*theta;j(m)=j(m)+ipsn(i)^2;end%计算每次模型更新后的残差Y(30+m)=a0+a1*(30+m)+a2*(30+m)^2+a3*(30+m)^3+a4*(30+m)^4+a5*(30+m)^5+a6*(30+m)^6;End%计算预测数据X=1:30+m;figure(1)plot(X,Y),legend('股票开盘价格走势');%得到股票价格走势同理，通过删减六阶模型相应的语句，可以得到一至五阶的模型语句。一阶模型预测结果：前30天为给定数据，后五天为预测数据数据模型为*T预测数据与实际数据的比照：预测数据实际数据04-099.87059.7004-109.84759.6004-119.82469.6304-129.80169.7104-139.77879.85二阶模型预测结果：前30天为给定数据，后五天为预测数据数据模型为y=10.3303+0.0243*x-0.0015*x^2预测数据与实际数据的比照：预测数据实际数据04-099.61869.7004-109.54699.6004-119.47229.6304-129.39449.7104-139.31359.85三阶模型预测结果：前30天为给定数据，后五天为预测数据数据模型为y=10.2966+0.0363*x-0.0025*x^2+0.0000*x^3预测数据与实际数据的比照：预测数据实际数据04-099.65239.7004-109.59369.6004-119.5349.6304-129.47349.7104-139.41219.85四阶模型预测结果：前30天为给定数据，后五天为预测数据数据模型为y=10.1233+0.1338*x-0.0161*x^2+0.0007*x^3-0.0000*x^4预测数据与实际数据的比照：预测数据实际数据04-099.4799.7004-109.30859.6004-119.10559.6304-128.86589.7104-138.58479.85五阶模型预测结果：前30天为给定数据，后五天为预测数据数据模型为y=9.9726+0.2524*x+-0.0411*x^2+0.0028*x^3+-0.0001*x^4+0.0000*x^5预测数据与实际数据的比照：预测数据实际数据04-099.62699.7004-109.60499.6004-119.61159.6304-129.66059.7104-139.7659.85六阶模型预测结果：前30天为给定数据，后五天为预测数据数据模型为y=10.1010+0.1216*x-0.0030*x^2-0.0019*x^3+0.0002*x^4-0.0000*x^5+0.0000*x^6预测数据与实际数据的比照：预测数据实际数据04-099.7589.7004-109.90729.6004-1110.1969.6304-1210.6769.7104-1311.4089.85根据程序运行结果，一至六阶的残差总和大小分别为：阶数残差10.4992520.1876630.184440.1331250.1104860.10121综合上述的所有程序，除了一阶模型的残差总和稍微有点大，其它阶模型的残差总和都非常小，证明了模型对历史股票走势曲线实现了较好的拟合。但是在进行预测时却并没到达应有的效果，预测数据与实际数据相差较远。我认为有几个原因，第一是因为根据较大量的历史数据得出的非线性拟合模型预测的