㈠ 用小波做預測
根據這個題目，我認為只能求平均值才可靠
㈡ 小波變換分解與重構後對時間序列的預測
如果你用小波工具箱進行db4小波分解，一維的情況，你在結果的圖中是沒有逼近和細節系數的，都是重構信號，它一定是與原始信號等長的。所以難以理解你所說的「比我給的原始數據個數多」是如何做出來的。
㈢ 什麼網站有炒股入門知識和股票入門書籍比較好的關於這個方面的誰能介紹個網站
炒原油理論基礎不外乎幾種，但由此衍生而來的技術指標卻有成千上萬之多。一下是一些炒原油書籍精品推薦:
江恩華爾街45年
作者: 威廉 D 江恩
內容簡介:《江恩華爾街45年》，給了你一次真正的股票市場教育。江恩45年的實際交易經驗和市場研究使這本書的問世成為可能。他寫自實際的應用，而不是理論。江恩:傳奇式證券交易巨匠、20世紀初最偉大的市場炒家、自創獨特而又神秘的證券分析理論和方法、匪夷所思的精準預測。
資本市場的混沌與秩序
作者:埃德加· E ·彼得斯
內容簡介:資本市場的混沌與秩序》是介紹和推廣混沌理論在金融領域中的應用的第一本書，並被奉為這方面的經典論著。這次新版在內容上進行了全面的更新，加入了一些新的章節和混沌理論的最新進展進行了論述。這些最新進展都是與當今的創新熱點緊密聯系的，如模糊邏輯、神經網路和人工智慧。第二版全面論述了混沌理論在金融領域的作用。它所利用的都是當今市場的最新例證並對技術的最新進展-包括遺傳演算法、小波和復雜理論-進行了描述。
㈣ 小波變換預測的問題
小波預測這個不是了解
不過數據處理剔除變化極大的點還是比較容易實現的
建議採用採用matlab自動的小波工具箱 從start 進入
㈤ 基於MATLAB的小波分析在股市技術分析中的代碼 誠求，非常感謝！
你去matlab中文論壇，有個小波板塊，網址主體ilovematlab
㈥ 根據預測誤差修正小波神經網路的權值和小波基函數的系數怎麼理解
採用梯度修正網路的權值和 小 波基函數參數,從而使小波神經網路預測輸出不 ...據預測誤差e 修正小波神經網路權...
㈦ matlab 小波變換 股票
你的函數是是什麼，你把股票的 時間和價格對應起來，這樣的話，就可以用小波函數進行代入進行小波變換，看信號的分解的各部分了。
㈧ 小波神經網路預測，如何把數據載入進去，然後用下面的程序預測
%訓練數據歸一化
[inputn,inputps]=mapminmax(input');
[outputn,outputps]=mapminmax(output');
inputn=inputn';
outputn=outputn';
將這一段代碼中的input、output換成你的樣本即可。
小波變換（wavelet transform，WT）是一種新的變換分析方法，它繼承和發展了短時傅立葉變換局部化的思想，同時又克服了窗口大小不隨頻率變化等缺點，能夠提供一個隨頻率改變的「時間-頻率」窗口，是進行信號時頻分析和處理的理想工具。
㈨ 求小波分析在數據檢測方面的matlab代碼，比如給您一組數據，利用小波分析來找出其中的異常值。
你做的這方面叫做「小波分析對信號奇異性檢測」。
小波確實有這方面的應用。建議你直接去圖書館借《MATLAB小波分析（張德豐等編著）》（第二版），第一版有沒有我不不知道哈。其中有一節就專門講如何用小波檢測第一類間斷點和第二類間斷點的，並且有方法將奇異點消除。講的比較詳細。
根據你的問題補充，我覺著你可以用歐幾里得距離作為衡量波動的標准，具體程序如下：
data=[...
20000101 1221790 794164 427626
20000102 1282410 833566.4 448843.6
20000103 1241980 807287 434693
20000104 1265880 822822 443058
20000105 1301360 767802 533558
20000106 1298670 727255 571415
20000107 1273770 700573.5 573196.5
20000108 1300620 845403 455217
20000109 1301750 846138 455612
20000110 1318300 856895 461405
20000111 1327550 862908 464642
20000112 1356910 800577 556333
20000113 1329360 744442 584918
20000114 1312580 721919 590661
20000115 1330460 864799 465661
20000116 1416710 855861.4 460848.6
20000117 1293410 840717 452693
20000118 1303150 847047.4 456102.6
20000119 1304690 769767 534923
20000120 1301800 729008 572792
];
date=data(:,1)-20000000;
data=data(:,2:end);
x1=data(:,1);
x2=data(:,2);
x3=data(:,3);
x1_m=mean(x1);
x2_m=mean(x2);
x3_m=mean(x3);
data_m=repmat([x1_m,x2_m,x3_m],size(data,1),1);
temp=(data-data_m).^2;
temp=sum(temp')';
stem(date,temp);
得到的結果如下圖：
可以看出波動最大是1月6號和1月16號。你可以自己設個門限，超過門限的都作為奇異值。
㈩ 用小波分析怎麼預測
用小波分析將數據分析成為幾個頻段
高頻段代表短期波動
低頻段代表總體趨勢
根據總體趨勢數值可以分析大的方向
精確預測是不可能的
畢竟小波分析的本來含義是信號處理
金融數據屬於非線性信號
此外，如果把金融數據看作是一個偽隨機非線性系統，具有自相似特性的話
你可以看到小波分析的各段在形態上相似，尺度不同
可以依據這個原理對後面的參數進行預測和重構
這樣預測期會長一點
如果你看看混沌理論和非線性信號處理的入門書籍，你會比較有啟發的