Question

在R神经网络页面中，我正在使用神经网络功能来尝试预测股票价格。

训练数据包含高，低，开，关等列。

myformula <- close ~ High+Low+Open
neuralnet(myformula,data=train_,hidden=c(5,3),linear.output=T)

我的问题，鉴于以下数据示例，您可以告诉我该公式会是什么样的。

我有一个包含“High”，“Low”，“Open”，“Close”列的表，它有两行值，每行代表一天的蜡烛棒。所以数据中的两行是前两天的蜡烛棒。我的目标是预测下一根蜡烛是什么，即“开”，“高”，“低”，“关闭”给出前两个烛台。 / p>

我的神经网络将一次呈现以前的dtata 1蜡烛棒。我想知道下一个烛台是什么，所以我的R公式会是什么样的。

由于让我知道

Answer 1

我的神经网络将一次显示一个蜡烛棒的先前数据。我想知道下一个烛台是什么，所以我的R公式会是什么样的。

在前馈神经网络*中，您必须指定要用于预测的要素和要预测的目标。在上面的示例中，功能是例如prev_close，目标为close。正如您在训练数据中看到的那样，您还没有prev_close，这就是我的答案的全部要点，您需要首先正确地制定问题。

如果您拥有close，则无法为此训练FF NN。您需要创建prev_close，然后公式为close ~ prev_close。

_{*可以对序列进行递归神经网络（RNN）训练，并根据输入序列输出预测，但这是一整套蠕虫}

简单示例：根据最近2个接近值

预测关闭

我编写了这个荒谬简单的*示例，只是为了说明问题的表达式，它预测close，基于最后两个close值。我选择了一个带有1个神经元的隐藏层。我已设置linear.output=TRUE，因为我们正在预测连续值（regression problem as discussed before，而neuralnet documentation表示如果该值没有激活函数act.fct是真的）

_{*如果你用这个交易你肯定会丢失你的衬衫。这只是为了说明如何在神经网络中构建这样的预测问题。不要将它用于真实。}

问题制定

我想澄清的一点是，如果您在列中有价格，则必须为预测创建要素

prev_close_1 | prev_close_2 | close

NN提出的问题是根据close和prev_close_1预测prev_close_2，因此公式close ~ prev_close_1 + prev_close_2

以下是网络架构

注意作为先前关闭值的输入和输出：预测的接近值。

library(neuralnet)

N = 10
prices <- data.frame(close=1:N) # Dummy straight line uptrend for N periods 

print(prices)

shift <- function(x, n){
  c(x[-(seq(n))], rep(NA, n))
}

# Form the training dataframe
train <- data.frame(
  prev_close_1=prices$close,
  prev_close_2=shift(prices$close, 1),
  close=shift(prices$close, 2)
)

# When shifting the columns for time lag effect, some rows will have NAs
# Let's remove NAs
train <- na.omit(train)

print(train)

nn <- neuralnet(
  formula=close ~ prev_close_1 + prev_close_2,
  data=train,
  hidden=c(1), # 1 neuron in a single hidden layer
  linear.output=TRUE # we want regression not classification
)

print(prediction(nn))
plot(nn)

虚拟价格是什么样的

这就是你所拥有的，它只是历史股票价格

NN的培训内容

这就是你需要的，功能和目标，尝试在下面的训练数据框中形成行，以了解移位/滞后。

prev_close_1 prev_close_2 close
1            1            2     3
2            2            3     4
3            3            4     5
4            4            5     6
5            5            6     7
6            6            7     8
7            7            8     9
8            8            9    10

NN预测

  prev_close_1 prev_close_2       close
1            1            2 2.994291864
2            2            3 4.017828301
3            3            4 5.002914789
4            4            5 5.968855729
5            5            6 6.978644849
6            6            7 8.030810042
7            7            8 9.051063456
8            8            9 9.945595495

使用R和神经网络（神经网络）使用以前的价格预测价格

1 个答案:

简单示例：根据最近2个接近值

问题制定

虚拟价格是什么样的

NN的培训内容

NN预测