搜索资源列表
Observer
- 股票的价格随着时间会在一定范围内波动，对于每个股票，股民需要三种报告：股票的当前价格；股票价格的统计分析报告（最低价、最高价、均价）；股票价格趋势预测（建议采用移动平均预测法）。根据实际情况，也可能需要增加其他类型的报告。提示：股价变动用随机数模拟：java.util.Random。代码运用观察者模式，编写了上述股票行情程序，当股票价格变动时，实现各种报告的更新。-The price of the stock will over ti
R
- 1、根据财务因子选择10只股票，具体财务因子不限；2、运用投资组合理论建立投资组合，计算出每只股票的权重（协方差、相关系数）；3、将构建的投资组合收益率与指数对比，计算看是否存在超阿尔法收益；4、将构建的投资组合收益率序列建立模型（ARMA、GARCH等），并预测未来一周、一月的收益率；(1, according to the financial factor selection of 10 stocks, the specific f
MATLAB实现股票价格预测_源程序代码
- MATLAB实现股票价格预测_源程序代码；MATLAB to achieve stock price forecast _ source code(MATLAB to achieve stock price forecast _ source code)
Forecast and Stock_timeSeries
- 利用灰色预测公司的利润；基于时间序列的股票价格预测(Profit from the grey Forecast Ltd; stock price prediction based on time series)
预测
- 实验股票预测，输入前一天数据，自动预测后一天的成交价，输入：开盘价，最高价，最低价，收盘价，成交量(Experimentation stock forecast, input the data of the previous day, automatically forecast the trading price of the next day, input: opening price, maximum price, minimum
股票预测
- 采用三层BP神经网络结构，输入层神经元数为5，隐含层神经元数为3，输出层神经元数为1，使用MATLAB编写。 将所给数据按14：1分为训练样本集，和测试样本集，经测试及分析，预测误差为0.1700，误差较小。 网络训练好后，输入前一天的6组数据，即：最高价、最低价、开盘价、收盘价、成交量，就能自动预测出后一天的收盘价。(The structure of three-layer BP neural network is adopted.
股票预测-最小二乘
- 采用最小二乘法进行MATLAB编写，开盘为输入，收盘为输出。1-600个数据为训练样本集，601-700为预测样本。先对数据进行标准化处理，再利用最小二乘法对模型进行预测，最后进行反标准化处理后输出。(The least square method is used to compile MATLAB. The opening is input and the closing is output. 1-600 data are train
BP神经网络股票预测
- 在600085这个数据表中，以XZSLX综合作为输入，以收盘价作为输出 以前595个数据作为训练样本，后100个数据作为实际输出。 通过训练数据建立模型，最终输出100个预测的股票收盘价。 将预测的收盘价和实际的收盘价进行对比并求取误差，从而判断所建立模型的准确性。 RBF神经网络调用newff函数实现。(In the data table of 600085, XZSLX synthesis is used as input and