攒了几天，发一个大的.这是前几天投了一家量化分析职位，他给的题目的是写神经网络择时模型，大概就是用神经网络预测收盘价

database类：该类用于获得新浪网中的数据，并将其放入本地数据库。在本地数据库中建立两个表，分别是Data2012to2015和Data2015to2016,表中都含有日期，当日开盘价、当日收盘价、当日最高价、当日最低价。Data2012to2015为训练数据集，Data2015to2016为测试数据集。

Methods类：由于java没有现成的包可以直接得出某只股票的波动率指标、短期和长期均线指标等指标，由于一些指标在网上没有找到，例如动量和反转指标：REVS5，就用了动量指标MTM。所以在百度百科等资料中搜集了一些公式， 分别对这些公式编写代码，就能观测到的数据来说，是准确的。

最后采用了8个指标，分别是波动率指标：EMV；短期和长期均线指标：EMA5和EMA60，MA5和MA60；动量指标MTM；量能指标：MACD；能量指标：CR5.以这8个指标为自变量，收盘价为因变量建立神经网络模型。

BPnet类：这里想建立输入单元为8个，两层隐含层，每个隐含层为13个单元，输出层单元为1的神经网络。

首先初始化输入层到隐含层，隐含层之间，以及隐含层到输出层的权重矩阵；

其次利用权重矩阵和输入层分别计算出每个隐含层节点数据

之后利用计算得出的输出层数据与真实值进行比较，并逐层调节权重；

反复上述过程直至精度达到要求或是达到迭代次数的要求；

这里设置迭代次数为5000次；

利用的测试数据集为Data2012to2015

下图为训练之后的模型对Data2012to2015自身进行拟合的效果：(这里由于自变量大概是10左右的数据，所以在利用激活函数1/(1+e^-ax))时，a取了0.01

从图中可以看出2012年初，股市变化幅度很大时，模型拟合效果稍差，但总体拟合效果较好。（红线表示拟合曲线，蓝线表示真实收盘价）

测试数据集采用的是Data2015to2016，即2015年至2016年数据，拟合拟合效果如下：

从图中可以看出曲线可以拟合大致趋势，但是不能很好的拟合波动，可能是由于对训练数据集过渡拟合的原因。

BackProce类：该类计算了如果按照神经网络模型对该股票进行操作的结果，采用的策略是，如果下一天的预测值高于当天的收盘价，就买入，低于就卖出，设置初始账户金额为10000.

可得到最后的收益率为0.18364521221914928，账户金额为：11836.452122191493。

累计收益率如下图：

缺点：1、只能绘制基本图像，没有找到方法将特殊点标出，如：能够获取在什么时间点买入，但是不知怎么在特定点用其他颜色标出。

2、神经网络模型对训练数据拟合很好，但是对测试数据拟合效果不佳，猜测原因可能是过拟合或是有些其他主要的变量因素没有考虑进去。

源代码如下：