数据获取、特征工程、时间切分、神经网络集成与诚实评估
实验数据截止:2026年6月24日
本文使用 MATLAB R2025b、Tushare 日线行情和 fitrnet 神经网络,对深南电路 002916.SZ的下一交易日收益率进行预测。重点不是展示一条“神奇曲线”,而是完整说明数据处理、时间序列切分、特征工程、模型选择、集成预测、朴素基线和结果局限。
建议标签: MATLAB、Tushare、A股、神经网络、量化分析、时间序列、股票预测
一、项目背景
股票预测最容易出现两个误区:
- 直接拟合不断上涨的价格,使模型只学会长期趋势;
- 随机打乱训练集和测试集,让模型在训练时“看到未来”。
因此,本项目没有直接预测股价绝对值,而是预测下一交易日的对数收益率:
y(t) = log(Close(t+1) / Close(t))
预测出收益率后,再用当天收盘价还原下一交易日价格:
ForecastClose(t+1) = Close(t) × exp(y_hat(t))
这样既能减弱价格非平稳趋势的影响,也方便与“明天价格等于今天”的朴素基线公平比较。

图:模型总体流程
二、运行环境与项目文件
本文实验环境如下:
| 项目 |
配置 |
| MATLAB |
R2025b |
| 数据源 |
Tushare 日线行情 |
| 股票 |
深南电路 002916.SZ |
| 历史范围 |
2017-12-13 至 2026-06-24 |
| 有效日线数量 |
2065 条 |
| 建模函数 |
`fitrnet` |
| 预测目标 |
下一交易日对数收益率 |
项目核心文件:
E:\A股\
├─ tushare_matlab_sdk\
├─ data\002916_daily_raw.csv
├─ fetch_shennan_history.m
├─ analyze_predict_shennan.m
├─ generate_blog_figures.m
└─ analysis_results\
三、通过 Tushare 获取历史行情
Tushare MATLAB SDK 原
278



被折叠的 条评论
为什么被折叠?



