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。