在MATLAB R2015b中使用神經網絡預測財務時間序列（實際輸出與預測輸出之間的延遲）

Question

假設DD是一個時間序列數據（一列和X行）。 我從數據末尾分離出11個樣本作為樣本外樣本，並通過MATLAB訓練神經網絡。 在訓練，測試和驗證數據中，神經網絡的性能很好（fit app神經網絡的默認屬性： fitnet ）。

for ii = 31 : (numel(DD)-1)
    D_0(ii-30,1) = DD(ii-0);
    D_1(ii-30,1) = DD(ii-1);
    D_2(ii-30,1) = DD(ii-2);
    D_3(ii-30,1) = DD(ii-3);
    D_4(ii-30,1) = DD(ii-4);
    D_5(ii-30,1) = DD(ii-5);
    D_6(ii-30,1) = DD(ii-6);
    D_7(ii-30,1) = DD(ii-7);
    D_14(ii-30,1) = DD(ii-14);
    D_30(ii-30,1) = DD(ii-30);

    D_plus_1(ii-30,1) = DD(ii+1);
end

x = [D_0  D_1  D_2  D_3  D_4  D_5  D_6  D_7 D_14 D_30]';
t = D_plus_1';


%% Out-of-sample data

x_oos = x(:,end-10:end);
t_oos = t(:,end-10:end);

x(:,end-10:end) = [];
t(:,end-10:end) = [];

    hiddenLayerSize = 5;
    trainFcn = 'trainlm';  % Levenberg-Marquardt backpropagation.

    net = fitnet(hiddenLayerSize,trainFcn);

    net.input.processFcns = {'removeconstantrows','mapminmax'};
    net.output.processFcns = {'removeconstantrows','mapminmax'};

    net.divideFcn = 'dividerand';  % Divide data randomly
    net.divideMode = 'sample';  % Divide up every sample
    net.divideParam.trainRatio = 70/100;
    net.divideParam.valRatio = 15/100;
    net.divideParam.testRatio = 15/100;

    % Choose a Performance Function
    % For a list of all performance functions type: help nnperformance
    net.performFcn = 'mse';  % Mean Squared Error
    [net,tr] = train(net,x,t);

x是神經網絡的輸入， t是神經網絡的輸出（目標）。 訓練后，我使用此代碼來預測樣本數據的結果：

y_Out = net(x_oos);

這是樣本外數據的實際輸出與預測輸出之間的比較：

但是我認為兩個輸出之間存在滯后。 現在，只需一步就可以檢查它：

為什么我們在樣本外數據中有這種行為？ 我檢查了樣本外的不同時間長度，並且我們有相同的行為（一步滯后）。 這是數據行為嗎？

PS。

所有數據（ x變量作為訓練網絡的輸入，並與t變量進行比較）作為訓練神經網絡的輸入：

輸入的所有數據之間存在延遲！ 神經網絡訓練有這種數據滯后！ 這是一個錯誤嗎？ 這是近兩年的每日時間序列，沒有任何丟失的數據。

Answer 1

您的網絡沒有問題。 發生的事情是您的網絡正在退化為一個幼稚的預測器（查找它）。 即：它無法解決您的輸入和輸出之間的關系...