把数据造成一个表格，表头是：开盘，最高，最低，成交量，成交额，收盘，最后一列一定要是收盘价，把它作为分类的类。每一行是每一天某股票的如上数据，天数越多越精确
       建议把收盘价按照以往的数据做处理，如果您的样本量够大的话，也就是您的数据有很多天的数据的话，您就把最后一列转化成如下的方式：跌停负9，负九负八，... ..., 负一持平， 升01， 升12， ... ... 升9涨停，意思是：跌停到跌0.09， 跌0.09到跌0.08， 依此类推，直到涨0.9至涨停。如果您手里只有很少天数的数据，您只好把步长设得大些，例如跌停到跌0.05，跌0.05到与上一日持平，持平到涨0.05，涨0.05到涨停。也许后来的这个步长已经足够预测了。具体价格再根据这个预测来计算一个范围。除非已知的交易天数多、数据非常庞大，否则不建议您做非常详细的预测。但是在当今大数据大气候下，您甚至可以把步长设得更小，精确到涨跌0.001都能预测。
       接下来就是用该数据用神经网建模，然后把你已知的开盘，最高，最低，成交量，成交额重新建一个文件，表头跟上面用来建模的一模一样，最后一列收盘价一定要注意，你虽然是要预测，但是这里你得给你输入的每一行加一个值，第一行的这个值也一定要跟建模文件最后一列的第一行的值一样。注意：一行是一天，如果你想预测一天的，你这个文件只有一行，否则你会有很多行，后面的行收盘价的区间可以随便。
       数据文件都整理好了，下面的工作就很简单了。您可以把您的已知数据和待测数据给我，我帮您做做看。