你好，我需要预测股票分时段的成交量。筛选规则就是首先提取同一时间段不同天数的成交量。5分钟一提取。然后对48个时间段的数据分成5个数据框，每个数据框内的列数据是每个时间段的数据。比如，第一个数据框列向量分别是48个时间段从第一天开始的数据。第二个数据框列向量是48个时间段从第二天开始的数据，依次递推。
数据总共分成了727个个案，第一个数据库从1:723，第二个是2:724，保证数据框的行数都是相等的
因为要做支持向量机回归的多输入多输出，等于是一次性预测出48个时间段的量。
我上面发的代码是预测一个时间段的，是单输出。要生成多输出，我不会组织数据了。

等于说是把我的这段代码循环48次，然后将数据整合成数据框。数据框总共有48*6列，每48是一个循环，前48列，是从所有所有时间段的第一个数据开始到第722个数据（假设有727个数据），第二个48列是从所有时间段的第二个数据开始到第723开始，保证行数相等，刚好第六个48列是所有时间段的第六个数据开始到第727个结束。
###########计算第一个时间段的数据
cjl1<-gu1[1:721,2]
cjl2<-gu1[2:722,2]
cjl3<-gu1[3:723,2]
cjl4<-gu1[4:724,2]
cjl5<-gu1[5:725,2]
cjl6<-gu1[6:726,2]
cjl7<-gu1[7:727,2]
gupiao<-cbind(cjl1,cjl2,cjl3,cjl4,cjl5,cjl6,cjl7)
gupiao<-as.data.frame(gupiao)

我的这个代码是相对于单输出，一次只预测一个时间段写的。多输出就是按照同样的方法扩充到48个时间段。
下面是我目前的所有代码
###########读取文件
szzs<-read.csv("szzs.csv")
szzs1<-szzs[,c(1,4)]

library('e1071')


###########定义抽取函数
chouqu<-function(i)
  return(subset(szzs1,szzs1$xh%%48==i))

###########创建每个时间段的数

for (i in 1:48){
  nassign(paste("gu", i, sep = ""), chouqu(i%%48))
  
}

###########以X9.35时间段为例建立svm模型
###########计算第一个时间段的数据
cjl1<-gu1[1:721,2]
cjl2<-gu1[2:722,2]
cjl3<-gu1[3:723,2]
cjl4<-gu1[4:724,2]
cjl5<-gu1[5:725,2]
cjl6<-gu1[6:726,2]
cjl7<-gu1[7:727,2]
gupiao<-cbind(cjl1,cjl2,cjl3,cjl4,cjl5,cjl6,cjl7)
gupiao<-as.data.frame(gupiao)