中国股市现状

野狐禅

原帖由 cnywj 于 2008-1-16 21:12 发表
具体在实际中使用，把那个   if 买入资金  > 卖出股票量*当前价格   
                                                           { price+=0.01}
      替换为 P=K-cQ,   可以基本套用这个模型了 :* ...

有多少卖，就有多少买，这总量是衡定的，但买卖的意愿是不同的。否则钱怎么会蒸发呢？:*29*:

野狐禅

原帖由 cnywj 于 2008-1-16 21:16 发表
但是感觉这个网子有些时候好像真的搞个猫像老虎呢

老虎和猫本来就差别不大，是不是？

cnywj

原帖由 野狐禅 于 2008-1-16 21:21 发表

老虎和猫本来就差别不大，是不是？

  是的，所以想学学画猫 :*22*:   
          实在对建立隐含层...，等这些的程序过程有些头大，业余时间啃这个干馍馍，腮帮子疼

cnywj

老和尚有没有一段最简单的 画猫的代码贴给我啃个一月两月的 :*26*:

野狐禅

原帖由 cnywj 于 2008-1-16 21:28 发表
老和尚有没有一段最简单的 画猫的代码贴给我啃个一月两月的 :*26*:

package ann;
/**
* Copyright:   Copyright (c) 2004
* @version 1.0
*/
import java.io.*;
import java.util.*;
/**
* Three-Layer Feed-Forward Neural Network
*/
public class BP
{
/**
* control parameters
*/
public static final int REGRESSION = 0;
public static final int CLASSIFY   = 1;
/**
* neural network structure control parameters
*/
public int m_iInputNodes  = 0;
public int m_iHiddenNodes = 0;
public int m_iOutputNodes = 0;
public int m_iTaskType    = 0;
/**
* neural network data structure
*/
public double []   mdInput  = null; //input  layer
public double []   mdHidden = null; //hidden layer
public double []   mdOutput = null; //output layer
public double []   mdIB     = null; //input  layer bias
public double []   mdHB     = null; //hidden layer bias
public double [][] mdIH     = null; //input-hidden  layer weights
public double [][] mdHO     = null; //hidden-output layer weights
/**
* weights
*/
int       m_iNumWeights = 0;
double [] mdWeights     = null;
/**
* Constructor
*/
public BP() {}
/**
* duplicate a BP
*/
public void copy(BP bp)
{
  int i;
  //initialize neural network and set memory
  initialize(bp.m_iInputNodes,
       bp.m_iHiddenNodes,
       bp.m_iOutputNodes,
       bp.m_iTaskType);
  //copy weights
  System.arraycopy(bp.mdIB, 0, mdIB, 0, m_iHiddenNodes);
  for (i=0; i<m_iHiddenNodes; i++)
System.arraycopy(bp.mdIH, 0, mdIH, 0, m_iInputNodes);
  System.arraycopy(bp.mdHB, 0, mdHB, 0, m_iOutputNodes);
  for (i=0; i<m_iOutputNodes; i++)
System.arraycopy(bp.mdHO, 0, mdHO, 0, m_iHiddenNodes);
}
/**
* Initialize Neural Network
*/
public void initialize(int numInputNodes,
                       int numHiddenNodes,
                       int numOutputNodes,
                       int taskType)
{
  int i,j;
  //neural network structur parameters
  m_iInputNodes  = numInputNodes;
  m_iHiddenNodes = numHiddenNodes;
  m_iOutputNodes = numOutputNodes;
  m_iTaskType    = taskType;
  //neural network i/o vector
  mdInput  = new double [m_iInputNodes];
  mdHidden = new double [m_iHiddenNodes];
  mdOutput = new double [m_iOutputNodes];
  //neural network bias and weights
  mdIB = new double [m_iHiddenNodes];
  mdIH = new double [m_iHiddenNodes][m_iInputNodes ];
  mdHB = new double [m_iOutputNodes];
  mdHO = new double [m_iOutputNodes][m_iHiddenNodes];
  //todal weights
  m_iNumWeights = m_iHiddenNodes*(1 + m_iInputNodes)
             + m_iOutputNodes*(1 + m_iHiddenNodes);
  mdWeights = new double [m_iNumWeights]; //weight exchange
  //initialize weights
  for (i=0; i<m_iHiddenNodes; i++)
  {
mdIB = Math.random();
for (j=0; j<m_iInputNodes; j++) mdIH[j] = Math.random();
  }
  for (i=0; i<m_iOutputNodes; i++)
  {
mdHB = Math.random();
for (j=0; j<m_iHiddenNodes; j++) mdHO[j] = Math.random();
  }
}
/**
* Output Neural Network Weights
*/
public double [] getWeights()
{
  int i, iSize;
  iSize = 0;
  System.arraycopy(mdIB, 0, mdWeights, iSize, m_iHiddenNodes);
  iSize += m_iHiddenNodes;
  for (i=0; i<m_iHiddenNodes; i++)
  {
System.arraycopy(mdIH, 0, mdWeights, iSize, m_iInputNodes);
iSize += m_iInputNodes;
  }
  System.arraycopy(mdHB, 0, mdWeights, iSize, m_iOutputNodes);
  iSize += m_iOutputNodes;
  for (i=0; i<m_iOutputNodes; i++)
  {
System.arraycopy(mdHO, 0, mdWeights, iSize, m_iHiddenNodes);
iSize += m_iHiddenNodes;
  }
  return mdWeights;
}
/**
* Insert Neural Network Weights
*/
public void setWeights(double [] weights)
{
  int    i,k;
  double d;
  
  //input-hidden layer
  int iSize = 0;
  System.arraycopy(weights, iSize, mdIB, 0, m_iHiddenNodes);
  iSize += m_iHiddenNodes;
  for (i=0; i<m_iHiddenNodes; i++)
  {
System.arraycopy(weights, iSize, mdIH, 0, m_iInputNodes);
iSize += m_iInputNodes;
  }
  //hidden-output layer :: bias
  System.arraycopy(weights, iSize, mdHB, 0, m_iOutputNodes);
  iSize += m_iOutputNodes;
  
  //output layer weights
  for (i=0; i<m_iOutputNodes; i++)
  {
    //scaling on output layer for classification task
    if (m_iTaskType == CLASSIFY)
{   
   d = 0;
   for (k=iSize; k<iSize+m_iHiddenNodes; k++) d += weights[k]*weights[k];
   d = 1.0/Math.sqrt(d);
   
   for (k=iSize; k<iSize+m_iHiddenNodes; k++) weights[k] *= d;
}
System.arraycopy(weights, iSize, mdHO, 0, m_iHiddenNodes);
iSize += m_iHiddenNodes;
  }
}
/**
* Neural Network Ouput
*/
public double [] output(double [] instance)
{
  int i,j;
  double d;
  //copy input variables
  System.arraycopy(instance, 0, mdInput, 0, m_iInputNodes);
  //input layer to hidden layer
  for (i=0; i<m_iHiddenNodes; i++)
  {
d = mdIB;
for (j=0; j<m_iInputNodes; j++) d += mdIH[j]*mdInput[j];
mdHidden = 1.0/(1.0+Math.exp(-d));
  }
  //hidden layer to output layer
  for (i=0; i<m_iOutputNodes; i++)
  {
d = mdHB;
for (j=0; j<m_iHiddenNodes; j++) d += mdHO[j]*mdHidden[j];
mdOutput = d;
  }
  //modify for classification problem
  if (m_iTaskType == CLASSIFY)
for (i=0; i<m_iOutputNodes; i++)
   mdOutput = 1.0/(1.0+Math.exp(-mdOutput)) ;
  
  return mdOutput;
}
/**
* Neural Network Structure Redaundency (number of unused links)
*/
public double redundant()
{
  int i,j;
  /*
   * redundancy in regression neural network is
   * measured on the average value of output weights
   */  
  double dR = 0;
  for (i=0; i<m_iOutputNodes; i++)
  for (j=0; j<m_iHiddenNodes; j++)
    dR += Math.abs(mdHO[j])/(1+Math.abs(mdHO[j]));
  
  dR /= m_iOutputNodes*m_iHiddenNodes;
  return dR;
}
/**
* Save Neural Network Structure
*/
public boolean save(String fileName)
{
  int i,j;
  try
  {
FileOutputStream ouF = new FileOutputStream(new File(fileName));
PrintStream      ouP = new PrintStream(ouF);
System.out.println("<BP::save> " + fileName);
    //control parameters
    ouP.println(";BP Neural Network "+ (new Date()).toString());
    ouP.println(m_iInputNodes  +"\t;Input  Nodes");
    ouP.println(m_iHiddenNodes +"\t;Hidden Nodes");
    ouP.println(m_iOutputNodes +"\t;Output Nodes");
    ouP.println(m_iTaskType    +"\t;0: Regression, 1: Classification");
    //input-hidden layer weights
    ouP.println(";\n;Input-Hidden Layer Weights");
    for (i=0; i<m_iHiddenNodes; i++)
    {
      ouP.print(i +", "+mdIB);
      for (j=0; j<m_iInputNodes; j++) ouP.print(", "+ mdIH[j]);
      ouP.println();
    }
    //hidden-output layer weights
    ouP.println(";\n;Hidden-Output Layer Weights");
    for (i=0; i<m_iOutputNodes; i++)
    {
      ouP.print(i +", "+ mdHB);
      for (j=0; j<m_iHiddenNodes; j++) ouP.print(", "+ mdHO[j]);
      ouP.println();
    }
    ouP.close();
    ouF.close();
  }
  catch (Exception ex)
  {
ex.printStackTrace();
System.out.println("<BP::save> error on saving "+ fileName);
return false;
  }
  return true;
}
/**
* Read Neural Network Structure
*/
public boolean read(String fileName)
{
  int i;
  String sItem, sLine;
  StringTokenizer ST;
  try
  {
System.out.println("<BP::read> "+ fileName);
BufferedReader inB = new BufferedReader(new FileReader(fileName));
//read control parameters
    int iNumInputNodes  = 0;
    int iNumHiddenNodes = 0;
    int iNumOutputNodes = 0;
    int iTaskType       = 0;
    int iCount          = 0;
    while ((sLine = inB.readLine()) != null && iCount < 4)
    {
      sLine = sLine.trim();
      if (sLine.length() == 0 || sLine.charAt(0) == ';') continue;
      ST    = new StringTokenizer(sLine, " ,;\t");
      sItem = ST.nextToken();
      switch(iCount)
      {
      case 0: iNumInputNodes  = Integer.parseInt(sItem); break;
      case 1: iNumHiddenNodes = Integer.parseInt(sItem); break;
      case 2: iNumOutputNodes = Integer.parseInt(sItem); break;
      case 3: iTaskType       = Integer.parseInt(sItem); break;
      }
      iCount ++;
    }
    //set neural network
    initialize(iNumInputNodes, iNumHiddenNodes, iNumOutputNodes, iTaskType);
    //read input-hidden layer weights
    iCount = 0;
    while (iCount < m_iHiddenNodes && (sLine = inB.readLine()) != null)
    {
      sLine = sLine.trim();
      if (sLine.length() == 0 || sLine.charAt(0) == ';') continue;
      ST    = new StringTokenizer(sLine, " ,\t");
      sItem = ST.nextToken();     //skip index
      //parsing input-layer bias
      mdIB[iCount] = Double.parseDouble(ST.nextToken());
      //parsing input layer weights
      for (i=0; i<m_iInputNodes; i++)
        mdIH[iCount] = Double.parseDouble(ST.nextToken());
      iCount ++;
    }
    //read hidden-output layer weights
    iCount = 0;
    while (iCount < m_iOutputNodes && (sLine = inB.readLine()) != null)
    {
      sLine = sLine.trim();
      if (sLine.length() == 0 || sLine.charAt(0) == ';') continue;
      ST    = new StringTokenizer(sLine, " ,\t");
      sItem = ST.nextToken();     //skip index
      //parsing hidden layer bias
      mdHB[iCount] = Double.parseDouble(ST.nextToken());
      //parsing output layer weights
      for (i=0; i<m_iHiddenNodes; i++)
        mdHO[iCount] = Double.parseDouble(ST.nextToken());
      iCount ++;
    }
    inB.close();
  }
  catch (Exception ex)
  {
ex.printStackTrace();
System.out.println("<BP::read> error on reading "+ fileName);
return false;
  }
  return true;
}
/**
* TEST PROGRAM
*/
public static void main(String [] argv)
{
  BP bp = new BP();
  bp.initialize(8, 5, 2, 0);
  bp.save("bp.bp");
  bp.read("bp.bp");
  bp.save("bp.bp.bak");
}
/** End of BP Class */
}

cnywj

谢老和尚

cnywj

无聊兄，最近闭门修炼，有点萨心得啊？:*22*:

无聊嘛

发个东西供你参考

lmt101

:*22*: :*P :*9*: 我看好中国股市三年。

野狐禅

原帖由 lmt101 于 2008-1-17 11:22 发表
我看好中国股市三年。

今年是第三年，还是今年开始往后三年？

野狐禅

1/17/2008:
Day        Price        Change
0        325.56        -2.60%
1        334.25        -2.54%
2        342.98        0.12%
3        342.58        1.18%
4        338.59        -0.06%

jm0112

老和尚，短期方向向下了吗

无聊嘛

原帖由 liza012 于 2008-1-9 08:52 发表


4浪如果说没有完, 那么它的浪型必然是 下 上 下.

哈哈，被你数对了。:*22*:

cnywj

原帖由 无聊嘛 于 2008-1-17 10:36 发表
发个东西供你参考

   谢无聊兄 :)

cnywj

垮掉一大块肉，但是好像趋势还没有指示向下

野狐禅

原帖由 cnywj 于 2008-1-18 00:09 发表
垮掉一大块肉，但是好像趋势还没有指示向下

筒子前天在说昨天要把两个指数都卖掉。

iloveinru

现在改事后公布了?:*27*:

野狐禅

1/18/2007: 过去的个把月，市场平均好于上证指数。沪深综合指数和市场比较接近。
Day Price Change
0 328.47 1.17%
1 324.67 -2.67%
2 333.59 -2.43%
3 341.90 0.16%
4 341.34 1.15%

cnywj

好像今天要是再猛跌下，我这里趋势就显示要转下了 :*27*:

野狐禅

原帖由 cnywj 于 2008-1-18 22:45 发表
好像今天要是再猛跌下，我这里趋势就显示要转下了 :*27*:

咱这里是看到的老牛被绊了一下，倒不倒还不好说。: