全文链接：https:///?p=35212
本文旨在利用神经网络模型来帮助客户预测上证指数的收盘价，通过分析不同历史数据作为输入，建立模型并进行预测（点击文末“阅读原文”获取完整代码数据）。
相关视频
具体而言，我们设计了两个不同的模型，分别使用不同组合的历史收盘价数据作为输入，以比较它们在预测今天的收盘价方面的效果。
获取上证指数数据
首先，我们获取了上证指数的数据，并进行了必要的数据处理，将列名命名为”Open”、”High”、”Low”、”Close”、”Volume”和”Adjusted”。下面是上证指数数据的前几行示例：
names(df)<-c("Open","High","Low","Close","Volume","Adjusted")
head(df)
绘制指数走势
接着，我们绘制了上证指数的走势图，以直观展示指数的波动情况和趋势变化：
模型一
在模型一中，我们使用昨天和前天的收盘价作为输入数据，建立神经网络模型来预测今天的收盘价。首先，我们生成训练数据，将收盘价和前两天的数据整合到一个数据框中：
获取滞后数据。
当为时间滞后效应移动列时，某些行将包含 NA（非数字）值。
将收盘价和昨天与前天的数据放到一个数据，并且使用昨天和前天的收盘价建立神经网络模型，预测今天的收盘。
# 生成训练数据
train <- data.frame(
Close=prices$Close,
prev_Close_1=shift(prices$Close, 1),
建立神经网络模型
ralnet(
formula=Close ~ prev_Close_1 + prev_Cl
然后，我们使用昨天和前天的收盘价建立神经网络模型，并进行预测。最终，我们绘制了实际数据和预测数据的对比图，以评估模型的预测效果。