神經網路預測期貨價格
A. 通過matlab軟體做bp神經網路預測奶製品價格，求大神幫忙
主要是樣本組織，把輸入和輸出樣本都確定。可以用前12個月的數據預測下一個月的數據，即第n個數據至n+11共12個數據作為輸入，n+12作為輸出組織樣本。
以附件的程序作參考，將P、T換為你的樣本即可。
BP（Back Propagation）神經網路是86年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播演算法訓練的多層前饋網路，是目前應用最廣泛的神經網路模型之一。BP網路能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網路的權值和閾值，使網路的誤差平方和最小。BP神經網路模型拓撲結構包括輸入層（input）、隱層(hidden layer)和輸出層(output layer)。
B. bp神經網路股票價格預測的MATLAB編程
P=[];『輸入，開盤價，最高價，最低價，收盤價成交量依次5天的數據』
T=[];』輸出，即第二日的收盤』
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; 『最大訓練次數，根據需要可自行調節』
net.trainParam.goal=0.01; 『誤差』
net.trainParam.lr=0.01; 『學習率』
net=train(net,P,T); 『訓練網路』
test=[];『待預測數據輸入』
out=sim(net,test); 『模擬預測』
我的這個程序沒有進行初始化，你還需要先將數據進行初始化後才能算。
C. 你好看你發帖問過用BP神經網路預測股票價格的提問
首先你要搞清bp的基本原理，基於梯度法的原則，因為這種演算法按梯度走，極易進入局部最小點二出不來，所以對於比較簡單的模型如高斯曲面有一定的逼近能力，但是現實如你所說的股票，相關因素特別多，也就是說神經網路輸入通道會很多，而且通道和通道直接喲相關性，模型在超曲面上就像是大海海面一樣跌宕起伏，使用bp明顯太過於困難，而且實際中樣本有限的很，bp理論基於樣本無限的學習規則（21實際70年代），你要證明的話，可以例舉一個簡單的單極二次型函數，用來試試看bp能否完全逼近這個函數
D. 怎麼用matlab實現期貨的人工神經網路預測模型，並作出期貨價格之後趨勢的波動預測急，在線等
國內目前真正能用人工神經網路模型做成全面系統交易模型並在市場上長期穩定快速盈利的，不超過10個，你指望在這里問到答案我覺得期望值是太高了。
E. 基於遺傳演算法的神經網路預測股票的價格有現實意義嗎 知乎
有一定參考價值
但你不能以此為實際購買股票的唯一依據，不然會賠的很慘
不要只依賴演算法結果…
望採納
F. 利用BP神經網路預測股票價格走勢
參考 matlab神經網路30例 中有一個股票預測的案例
我覺得svm做這個更好
G. 用人工神經網路進行股票預測，數據樣本為開盤，收盤，最高，最低，成交量，成交額。用weka或matlab實現
把樣本數據分為訓練樣本和測試樣本，然後用訓練樣本訓練網路，用測試樣本進行模型驗證
H. 請問如何用matlab建立人工bp神經網路模型，來對期貨未來的價格變化作出預測急求，在線等。謝謝大神。。
這些事其實很多年前就有很多人做，但是成功的好像沒有。國內期貨市場成交量比較弱,甚至還達不到弱有效市場假說，所以利用概率分布和遺傳演算法很難找到長久的贏利方法。
I. 用神經網路研究期貨價格
中國的垃圾教育。我說怎麼這么多研究生找不到工作呢。
J. 為什麼用bp神經網路演算法預測cpi只能預測幾個月
你這樣想：假設數學建模能夠預測幾年幾十年後的cpi，也就是說我們可以准確知道幾十年後的事情，也就是說我們世界未來是確定的。在哲學上，就是機械唯物主義。就是說，所有的一切都已經註定，宿命論啊。
就像天氣預報，短期來說，我們可以大概估計，但是永遠不可能預測幾個月，幾年後准確的天氣情況。