12、使用深度神经网络处理时间序列数据

使用深度神经网络处理时间序列数据

1. 数据准备

首先，我们创建一个空的 x.data 列表，在 for 循环中调用 Lag 函数获取最后 31 个收盘价。将这个列表与原始数据合并，并去除所有包含 NA 值的行，这样就得到了我们的数据集。

接下来进行训练集和测试集的划分：
- 我们使用整个时间序列数据的 80% 进行训练，剩余 20% 用于测试。
- 划分代码如下：

train.perc = 0.8
train.indx = 1:as.integer(dim(final.data)[1] * train.perc)
train.data <- final.data[train.indx,]
test.data  <- final.data[-train.indx ,]

此时， train.data 包含 80% 的数据， test.data 包含最后的 20%。

然后，将数据划分为因变量 y 和自变量 x ：

train.x.data <- data.matrix(train.data[,-1])
train.y.data <- train.data[,1]
test.x.data <- data.matrix(te