使用R和神经网络（neuralnet）使用先前的价格预测价格

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价。

训练数据包含高，低，打开，关闭列。

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

我的问题是，考虑到以下数据示例，您能否告诉我该公式是什么样子。

我有一个带有“高”，“低”，“打开”，“关闭”列的表，它具有两行值，每一行代表当天的烛台。因此，数据中的两行是前两天的烛台。我的目标是预测给定前两根烛台的下一个烛台，即“打开”，“高”，“低”，“收盘”。

我的神经网络将一次显示以前的dtata 1烛台。我想知道下一个烛台是什么，那么我的R公式会是什么样。

谢谢，让我知道

Answer 1

我的神经网络将一次获得一个烛台的先前数据。我想知道下一个烛台是什么，那么我的R公式会是什么样。

在前馈神经网络*中，您必须指定要用于预测的功能以及要预测的目标。在上面的示例中，特征为prev_close，而目标为close。正如您在培训数据中所看到的那样prev_close，这是我的回答的全部重点，您需要首先正确地制定问题。

如果只有close，就没有公式可以为此训练FF NN。您需要先创建prev_close公式，然后才能创建公式close ~ prev_close。

_{*循环神经网络（RNN）可以在序列上进行训练，并根据输入序列输出预测，但这就是整个“蠕虫的另一罐”}

简单示例：根据最后两个关闭值预测关闭

我制作了这个荒谬而简单的示例，只是为了说明问题的表述，该表述close基于最后两个close值来预测。我选择了一个带有1个神经元的隐藏层。我已经设置好了，linear.output=TRUE因为我们正在预测连续的值（如前所述，回归问题，并且在neuralnet文档中指出，act.fct如果该值为TRUE ，将没有激活函数）

_{*如果您与此交易，您肯定会丢失您的衬衫。这只是为了展示如何在神经网络中构建这样的预测问题。不要真正使用它。}

问题表述

我想说明的一点是，如果您在某栏中输入价格，则必须创建预测功能

prev_close_1 | prev_close_2 | close

NN的问题是close基于prev_close_1和进行预测prev_close_2，因此公式close ~ prev_close_1 + prev_close_2

这是网络架构

注意输入是先前的收盘价，而输出是预测的收盘价。

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)

虚拟价格看起来像什么

这就是您所拥有的，仅是历史股价

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

NN受过什么训练

这就是您所需要的，功能和目标，请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

神经网络的预测

  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