4.1.3 建立MA(1)模型及检验

基于Matlab 6.5的时间序列工具箱，得到MA(1)模型：

tX = 0.0019 + tε - 0.1747 * 1−tε

检验方法：使用蒙特卡洛模拟试验进行残差白噪声检验。通过1000次模拟试验，对不同的自相关最大时间间隔（1～20）进行检验，残差白噪声检验未通过的最大比率为0.045，表示在95%置信水平下，可以认为所建模型的残差是白噪声，符合Q检验要求，可以用于预测。

4.1.4 基于MA(1)模型的预测

利用时间序列工具箱中的garchpred函数，预测后两日的数值分别为：1926 和 1951.7。

4.2 基于BP网络的预测模型

4.2.1 网络的训练

通过对数据进行训练，最终确定建立了两个隐层的BP网络。第一隐层包含20个节点，第二隐层包含6个节点，共经过481步训练，最终完成网络训练。见图4，展示了训练过程中的网络误差。

4.2.2 BP网络的预测

利用训练好的BP网络对后两日的预测值为：1898.7 和 1931.7。

4.3 结论

通过对原始数据与两种模型的拟合图（见图5）分析，发现两种方法的拟合效果较好，且可以得出结论：短期内上证指数的开盘数据呈现上升趋势。