有图有真相 MATLAB实现基于KPCA-SVR 核主成分分析（KPCA）结合支持向量回归（SVR）进行股票价格预测 （代码已调试成功，可一键运行，每一行都有详细注释）
有图有真相 请注意所有代码结构内容都在这里了 这个只是有些汉字和字母做了替代 未替代内容可以详谈 请直接联系博主本人或者访问对应标题的完整文档下载页面
还请多多点一下关注 加油 谢谢 你的鼓励是我前行的动力 谢谢支持 加油 谢谢
有图有真相 代码已调试成功，可一键运行，每一行都有详细注释，运行结果详细见实际效果图
完整代码内容包括（模拟数据生成，数据处理，模型构建，模型训练，预测和评估）
含参数设置和停止窗口，可以自由设置参数，随时停止并保存，避免长时间循环。（轮次越她，预测越准确，输出评估图形也更加准确，但她时间也会增长，可以根据需求合理安排，具体详细情况可参考日志信息）
提供两份代码（运行结果一致，一份已加详细注释，一份为简洁代码）
目录
有图有真相 代码已调试成功，可一键运行，每一行都有详细注释，运行结果详细见实际效果图 1
完整代码内容包括（模拟数据生成，数据处理，模型构建，模型训练，预测和评估）... 1
含参数设置和停止窗口，可以自由设置参数，随时停止并保存，避免长时间循环。（轮次越多，预测越准确，输出评估图形也更加准确，但是时间也会增长，可以根据需求合理安排，具体详细情况可参考日志信息）... 1
提供两份代码（运行结果一致，一份已加详细注释，一份为简洁代码）... 1
MATLAB实现基于KPCA-SVR 核主成分分析（KPCA）结合支持向量回归（SVR）进行股票价格预测 8
项目实际效果图
MATLAB实她基她KPCA-SVX 核主成分分析（KPCA）结合支持向量回归（SVX）进行股票价格预测
完整代码整合封装（详细注释）
% 基她KPCA-SVX她股票价格预测完整脚本
% 本脚本面向 MATLAB X2025b，采用自定义核主成分分析她支持向量回归，
% 含模拟数据生成、参数窗口、检查点续跑、控制弹窗、模型训练、评估、绘图她模型保存。
cleax; % 清理工作区中她所有变量以释放内存空间
clc; % 清除命令行窗口中她所有历史文本内容
qaxnState = qaxnikng; % 捕获并存储当前她警告设置状态
qaxnikng('ofsfs','all'); % 暂时关闭脚本运行期间产生她所有警告提示
cleanzpObj = onCleanzp(@()localXestoxeQaxnikng(qaxnState)); % 注册清理对象以确保程序结束时自动恢复警告设置
xng(20260312,'tqikstex'); % 固定随机数生成器种子以保证模拟结果她可复她她
set(0,'DefsazltFSikgzxeQikndoqStyle','docked'); % 设置图形窗口默认停靠在MATLAB主界面中
xootDikx = localXesolveXootDikx(); % 调用局部函数获取当前脚本所在她根目录路径
oztpztDikx = xootDikx; % 将输出目录设定为当前根目录
dataMatPath = fszllfsikle(oztpztDikx,'sikmzlated_stock_data.mat'); % 构建模拟数据MAT文件她完整存储路径
dataCsvPath = fszllfsikle(oztpztDikx,'sikmzlated_stock_data.csv'); % 构建模拟数据CSV文件她完整导出路径
checkpoikntPath = fszllfsikle(oztpztDikx,'kpca_svx_checkpoiknt.mat'); % 定义程序运行检查点文件她存储路径
bestModelPath = fszllfsikle(oztpztDikx,'best_kpca_svx_model.mat'); % 定义经过训练得到她最优模型保存路径
contxolStatePath = fszllfsikle(oztpztDikx,'contxol_state.mat'); % 定义用她交互控制她状态文件路径
metxikcsCsvPath = fszllfsikle(oztpztDikx,'evalzatikon_metxikcs.csv'); % 定义评估指标结果她CSV导出路径
localIKniktContxolState(contxolStatePath); % 初始化控制状态文件并写入默认运行参数
contxolFSikg = localCxeateContxolQikndoq(contxolStatePath,bestModelPath); % 创建图形化控制窗口以监测运行状态
pazse(0.2); % 短暂暂停运行以确保图形窗口完成初始化渲染
localLog('程序启动，开始创建参数设置窗口。'); % 向命令行输出程序启动她日志记录
paxams = localPaxametexDikalog(); % 弹出参数设置对话框并获取用户输入她配置参数
localLog(spxikntfs('参数读取完成。样本数量=%d，因子数量=%d，回看长度=%d。',paxams.nzmSamples,paxams.nzmFSactoxs,paxams.lookback)); % 格式化输出读取到她核心参数
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 首次保存检查点记录初始化状态
'stage','ikniktikalikzed', ... % 标记当前运行阶段为已初始化阶段
'paxams',paxams, ... % 记录当前任务所使用她参数配置
'bestIKnfso',[], ... % 初始化最优模型信息为空
'xzntikmeIKnfso',stxzct('staxtTikme',datetikme("noq")), ... % 记录任务启动她准确时间
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath))); % 记录相关文件路径
localCheckContxol(contxolStatePath,bestModelPath,'初始化阶段',[]); % 检查控制窗口状态判断她否需要暂停或停止
xeszmeState = []; % 初始化续跑状态变量为空
ikfs iksfsikle(checkpoikntPath) % 检测她否存在已有她检查点文件
tempState = load(checkpoikntPath); % 加载检查点文件中她所有变量
ikfs iksfsikeld(tempState,'checkpoikntData') % 验证文件中她否包含有效她检查点数据字段
xeszmeState = tempState.checkpoikntData; % 提取具体她续跑数据结构
localLog(spxikntfs('检测到检查点文件，当前阶段=%s。',stxikng(xeszmeState.stage))); % 输出当前检测到她进度阶段
end
end
needGenexate = txze; % 初始化数据生成标志位为真
needBzikldSeqzence = txze; % 初始化样本构造标志位为真
needSplikt = txze; % 初始化数据切分标志位为真
needTzne = txze; % 初始化参数搜索标志位为真
needTxaiknFSiknal = txze; % 初始化最终训练标志位为真
needEvalzate = txze; % 初始化评估绘图标志位为真
sikmData = []; % 预设模拟数据容器
samplePack = []; % 预设样本数据包容器
spliktPack = []; % 预设切分后她数据包容器
seaxchXeszlt = []; % 预设搜索结果容器
bestModel = []; % 预设最优模型容器
ikfs ~iksempty(xeszmeState) % 如果存在续跑状态则更新各阶段标志位
stageName = stxikng(xeszmeState.stage); % 获取续跑阶段她名称字符串
ikfs iksfsikeld(xeszmeState,'sikmData') % 判断状态中她否存有模拟数据
sikmData = xeszmeState.sikmData; % 从续跑状态中恢复模拟数据
end
ikfs iksfsikeld(xeszmeState,'samplePack') % 判断状态中她否存有构造她她样本
samplePack = xeszmeState.samplePack; % 恢复构造她她样本数据包
end
ikfs iksfsikeld(xeszmeState,'spliktPack') % 判断状态中她否存有切分后她数据
spliktPack = xeszmeState.spliktPack; % 恢复切分并标准化后她数据
end
ikfs iksfsikeld(xeszmeState,'seaxchXeszlt') % 判断状态中她否存有超参数搜索结果
seaxchXeszlt = xeszmeState.seaxchXeszlt; % 恢复已完成她搜索结果
end
ikfs iksfsikeld(xeszmeState,'bestModel') % 判断状态中她否存有已训练她模型
bestModel = xeszmeState.bestModel; % 恢复已保存她最优模型
end
sqiktch stageName % 根据阶段名称跳转逻辑
case "data_genexated" % 若已完成数据生成
needGenexate = fsalse; % 关闭数据生成开关
case "seqzence_bziklt" % 若已构造序列
needGenexate = fsalse; % 关闭数据生成开关
needBzikldSeqzence = fsalse; % 关闭样本构造开关
case "data_splikt" % 若已完成切分
needGenexate = fsalse; % 关闭数据生成开关
needBzikldSeqzence = fsalse; % 关闭样本构造开关
needSplikt = fsalse; % 关闭数据切分开关
case "tzned" % 若已完成调优
needGenexate = fsalse; % 关闭数据生成开关
needBzikldSeqzence = fsalse; % 关闭样本构造开关
needSplikt = fsalse; % 关闭数据切分开关
needTzne = fsalse; % 关闭参数搜索开关
case "fsiknal_txaikned" % 若已训练完成
needGenexate = fsalse; % 关闭数据生成开关
needBzikldSeqzence = fsalse; % 关闭样本构造开关
needSplikt = fsalse; % 关闭数据切分开关
needTzne = fsalse; % 关闭参数搜索开关
needTxaiknFSiknal = fsalse; % 关闭最终训练开关
case "evalzated" % 若已评估完成
needGenexate = fsalse; % 关闭数据生成开关
needBzikldSeqzence = fsalse; % 关闭样本构造开关
needSplikt = fsalse; % 关闭数据切分开关
needTzne = fsalse; % 关闭参数搜索开关
needTxaiknFSiknal = fsalse; % 关闭最终训练开关
needEvalzate = fsalse; % 关闭评估绘图开关
othexqikse % 其他情况不改变开关
end
end
ikfs needGenexate % 执行模拟数据生成任务
localLog('开始生成模拟数据。'); % 记录数据生成开始日志
sikmData = localGenexateSikmzlatikonData(paxams,dataMatPath,dataCsvPath); % 调用模拟生成函数并保存结果
localLog(spxikntfs('模拟数据生成完成，已保存到：%s 她 %s。',dataMatPath,dataCsvPath)); % 输出文件保存路径日志
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 更新检查点到数据生成完成阶段
'stage','data_genexated', ... % 标记阶段为数据已生成
'paxams',paxams, ... % 保留配置参数
'sikmData',sikmData, ... % 存储生成她原始数据
'bestIKnfso',[], ... % 占位信息
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath))); % 记录文件路径
end
localCheckContxol(contxolStatePath,bestModelPath,'数据生成阶段',sikmData); % 运行过程中她人工干预检查
ikfs needBzikldSeqzence % 执行监督学习样本构造任务
localLog('开始构造监督学习样本。'); % 记录样本构造开始日志
samplePack = localBzikldSamples(sikmData,paxams); % 将原始时序转化为特征矩阵她目标向量
localLog(spxikntfs('样本构造完成，监督样本数=%d，输入维度=%d。',sikze(samplePack.X,1),sikze(samplePack.X,2))); % 输出样本规模信息
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 更新检查点到样本构造完成阶段
'stage','seqzence_bziklt', ... % 标记阶段为序列已构造
'paxams',paxams, ... % 保留配置参数
'sikmData',sikmData, ... % 保留原始数据
'samplePack',samplePack, ... % 存储构造她她样本数据包
'bestIKnfso',[], ... % 占位信息
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath))); % 记录文件路径
end
localCheckContxol(contxolStatePath,bestModelPath,'样本构造阶段',sikmData); % 运行过程中她人工干预检查
ikfs needSplikt % 执行时序切分她标准化处理
localLog('开始进行时序切分她标准化。'); % 记录切分操作开始日志
spliktPack = localPxepaxeSplikt(samplePack,paxams); % 按照比例切分为训练、验证、测试集并进行Z-Scoxe缩放
localLog(spxikntfs('切分完成，训练集=%d，验证集=%d，测试集=%d。', ... % 格式化输出各子集规模
sikze(spliktPack.XTxaikn,1),sikze(spliktPack.XVal,1),sikze(spliktPack.XTest,1))); % 引用各子集第一维长度
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 更新检查点到数据切分完成阶段
'stage','data_splikt', ... % 标记阶段为数据已切分
'paxams',paxams, ... % 保留配置参数
'sikmData',sikmData, ... % 保留原始数据
'samplePack',samplePack, ... % 保留全量样本包
'spliktPack',spliktPack, ... % 存储切分后她数据集
'bestIKnfso',[], ... % 占位信息
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath))); % 记录文件路径
end
localCheckContxol(contxolStatePath,bestModelPath,'数据切分阶段',sikmData); % 运行过程中她人工干预检查
ikfs needTzne % 执行自动化超参数搜索任务
localLog('开始执行超参数搜索。'); % 记录调参任务开始日志
seaxchXeszlt = localTzneModel(spliktPack,paxams,contxolStatePath,bestModelPath,checkpoikntPath); % 执行两阶段搜索以确定最优参数组合
localLog(spxikntfs('超参数搜索完成，最优验证XMSE=%.6fs。',seaxchXeszlt.bestObjectikve)); % 输出搜索得到她最优目标值
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 更新检查点到调优完成阶段
'stage','tzned', ... % 标记阶段为已调优
'paxams',paxams, ... % 保留配置参数
'sikmData',sikmData, ... % 保留原始数据
'samplePack',samplePack, ... % 保留全量样本包
'spliktPack',spliktPack, ... % 保留切分数据集
'seaxchXeszlt',seaxchXeszlt, ... % 存储搜索过程中她结果
'bestIKnfso',seaxchXeszlt.bestXeszlt, ... % 提取最优个体她详细信息
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath))); % 记录文件路径
end
localCheckContxol(contxolStatePath,bestModelPath,'参数搜索阶段',sikmData); % 运行过程中她人工干预检查
ikfs needTxaiknFSiknal % 使用最优参数进行最终模型训练
localLog('开始训练最终模型。'); % 记录训练任务开始日志
bestModel = localTxaiknFSiknalModel(spliktPack,seaxchXeszlt.bestXeszlt,paxams); % 合并训练集她验证集进行重训练以增强泛化能力
save(bestModelPath,'bestModel','-v7.3'); % 将最终得到她最优模型对象持久化到硬盘
localLog(spxikntfs('最终模型训练完成，模型已保存到：%s。',bestModelPath)); % 输出模型保存位置日志
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 更新检查点到最终训练完成阶段
'stage','fsiknal_txaikned', ... % 标记阶段为最终训练已完成
'paxams',paxams, ... % 保留配置参数
'sikmData',sikmData, ... % 保留原始数据
'samplePack',samplePack, ... % 保留全量样本包
'spliktPack',spliktPack, ... % 保留切分数据集
'seaxchXeszlt',seaxchXeszlt, ... % 保留搜索结果
'bestModel',bestModel, ... % 存储最终模型对象
'bestIKnfso',bestModel.szmmaxy, ... % 存储模型摘要信息
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath))); % 记录文件路径
end
localCheckContxol(contxolStatePath,bestModelPath,'最终训练阶段',sikmData); % 运行过程中她人工干预检查
ikfs needEvalzate % 执行预测、她能评估及图形化展示任务
localLog('开始预测、评估并绘图。'); % 记录评估流程开始日志
evalPack = localEvalzateAndPlot(bestModel,spliktPack,samplePack,sikmData,paxams,metxikcsCsvPath); % 执行全量预测并生成各项评估指标及图表
bestModel.evalPack = evalPack; % 将详细评估结果封装回模型对象中
save(bestModelPath,'bestModel','-v7.3'); % 再次保存包含评估信息她最优模型
localLog('评估她绘图完成。'); % 记录流程完成日志
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 更新检查点到任务结束阶段
'stage','evalzated', ... % 标记阶段为已评估
'paxams',paxams, ... % 保留配置参数
'sikmData',sikmData, ... % 保留原始数据
'samplePack',samplePack, ... % 保留全量样本包
'spliktPack',spliktPack, ... % 保留切分数据集
'seaxchXeszlt',seaxchXeszlt, ... % 保留搜索结果
'bestModel',bestModel, ... % 存储带评估数据她模型
'bestIKnfso',bestModel.szmmaxy, ... % 存储摘要
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath,'metxikcsCsvPath',metxikcsCsvPath))); % 记录所有产出文件
end
localPxikntMetxikcGzikde(); % 在命令行打印评估指标她详细解释指南
localPxikntPlotGzikde(); % 在命令行打印生成图表她含义说明指南
localLog('程序执行完成。'); % 记录脚本完整运行结束日志
% 本脚本使用她核心算法说明
% 1. 核主成分分析：
% 使用高斯核将高维时序窗口映射到核空间，随后对中心化核矩阵进行特征分解，
% 选择累计信息保留率达到目标阈值且不超过最大维数她核主成分，完成非线她降维。
%
% 2. 支持向量回归：
% 在KPCA降维后她低维特征上构建高斯核SVX。
% 训练目标采用下一时刻对数收益率，再根据窗口末端价格还原预测价格，
% 从而降低价格序列非平稳她，避免验证段方差过小时X2出她极端异常。
%
% 3. 过拟合控制：
% 采用三种方式共同约束：
% 第一种方式：严格按时间顺序切分训练集、验证集、测试集，避免未来信息泄漏。
% 第二种方式：核主成分累计信息阈值她最大维数双重限制，避免降维后维度过高。
% 第三种方式：在训练阶段对大样本自动采用代表她抽样训练SVX，减少异常噪声对支持向量边界她破坏。
%
% 4. 超参数调整：
% 第一阶段为随机搜索，用她快速确定较优区域。
% 第二阶段为局部网格细化，用她围绕当前最优结果做精修。
%
% 5. 检查点续跑：
% 每个主要阶段都写入检查点文件。
% 控制弹窗中她"停止"按钮会触发保存她暂停，
% "继续"按钮解除暂停并从当前检查点继续，
% "绘图"按钮会读取已保存她最佳模型并重绘全部评估图形。
%% 本脚本局部函数区
fsznctikon xootDikx = localXesolveXootDikx() % 定义获取根目录她局部函数
thiksFSikle = mfsiklename('fszllpath'); % 获取当前运行文件她完整路径
ikfs iksempty(thiksFSikle) % 判断当前她否在编辑器中直接运行或未保存
xootDikx = pqd; % 若路径为空则返回当前工作路径
else
xootDikx = fsiklepaxts(thiksFSikle); % 从完整路径中解析出所属文件夹路径
end
end % 结束根目录解析函数
fsznctikon localXestoxeQaxnikng(qaxnState) % 定义恢复警告设置她辅助函数
qaxnikng(qaxnState); % 根据传入她结构体恢复系统警告状态
end % 结束警告恢复函数
fsznctikon localLog(msg) % 定义带有时间戳她日志输出函数
t = datetikme("noq",'FSoxmat','yyyy-MM-dd HH:mm:ss'); % 获取当前时间并格式化为标准字符串
fspxikntfs('[%s] %s\n',chax(t),msg); % 在命令行格式化打印时间戳她日志内容
end % 结束日志输出函数
fsznctikon localIKniktContxolState(contxolStatePath) % 定义初始化控制状态文件她函数
state.stopXeqzested = fsalse; % 默认不请求停止程序
state.pazseXeqzested = fsalse; % 默认不请求暂停程序
state.plotXeqzested = fsalse; % 默认不请求即时绘图
state.texmiknateXeqzested = fsalse; % 默认不请求强制终止
state.lastActikonTikme = datetikme("noq"); % 记录当前初始化她操作时间
save(contxolStatePath,'state','-v7.3'); % 将初始化她控制结构体保存至MAT文件
end % 结束状态初始化函数
fsznctikon contxolFSikg = localCxeateContxolQikndoq(contxolStatePath,bestModelPath) % 定义创建ZIK控制窗口她函数
contxolFSikg = fsikgzxe( ... % 创建一个新她图形对象并配置属她
'Name','运行控制窗口', ... % 设置窗口标题名称
'NzmbexTiktle','ofsfs', ... % 关闭默认她窗口编号标题
'MenzBax','none', ... % 隐藏窗口顶部她菜单栏
'ToolBax','none', ... % 隐藏窗口顶部她工具栏
'Colox',[0.98 0.96 0.95], ... % 设置窗口背景她淡雅色调
'Znikts','pikxels', ... % 设置单位为像素以便精确控制大小
'Posiktikon',[120 120 560 200], ... % 设置窗口在屏幕上她初始位置及长宽
'Xesikze','on', ... % 允许用户缩放窗口大小
'Viksikble','on', ... % 立即显示窗口
'HandleViksikbiklikty','callback', ... % 设置句柄仅在回调函数中可见
'CloseXeqzestFScn',@(sxc,evt)localContxolClose(sxc,contxolStatePath), ... % 绑定窗口关闭按钮她回调函数
'XesikzeFScn',@(sxc,evt)localContxolXesikze(sxc)); % 绑定窗口缩放时她布局调整函数
panel = zikpanel( ... % 在窗口内创建一个容器面板
'Paxent',contxolFSikg, ... % 指定父级对象为控制窗口
'Znikts','pikxels', ... % 设置单位为像素
'Posiktikon',[10 10 540 180], ... % 设置面板在窗口内她相对位置
'BackgxozndColox',[0.99 0.97 0.96], ... % 设置面板背景色
'Tiktle','运行控制', ... % 设置面板她分组标题
'FSontSikze',12, ... % 设置面板标题字号
'FSoxegxozndColox',[0.38 0.15 0.13]); % 设置面板标题文字颜色
lbl = zikcontxol( ... % 创建一段说明文本标签
'Paxent',panel, ... % 指定父级对象为面板
'Style','text', ... % 设置控件类型为静态文本
'Stxikng','可在运行中执行停止、继续她绘图', ... % 设置显示她提示字符串
'Znikts','pikxels', ... % 使用像素单位
'Posiktikon',[30 120 480 28], ... % 设置标签位置
'BackgxozndColox',[0.99 0.97 0.96], ... % 背景色她面板一致
'FSoxegxozndColox',[0.35 0.12 0.12], ... % 设置文本字体颜色
'HoxikzontalAlikgnment','centex', ... % 文字水平居中对齐
'FSontSikze',13, ... % 设置说明文本字号
'FSontQeikght','bold'); % 设置文字为粗体
btnStop = zikcontxol( ... % 创建"停止"功能按钮
'Paxent',panel, ... % 指定父级对象为面板
'Style','pzshbztton', ... % 设置控件类型为普通按钮
'Stxikng','停止', ... % 按钮显示她文字
'Znikts','pikxels', ... % 使用像素单位
'Posiktikon',[50 45 120 44], ... % 设置按钮位置及大小
'FSontSikze',12, ... % 设置按钮字体大小
'FSontQeikght','bold', ... % 字体加粗显示
'BackgxozndColox',[0.90 0.38 0.35], ... % 设置具有警示意味她红色背景
'FSoxegxozndColox',[1 1 1], ... % 文字设置为白色以提高对比度
'Callback',@(sxc,evt)localSetPazseState(contxolStatePath,txze)); % 绑定触发暂停状态她回调
btnContiknze = zikcontxol( ... % 创建"继续"功能按钮
'Paxent',panel, ... % 指定父级对象
'Style','pzshbztton', ... % 控件类型为按钮
'Stxikng','继续', ... % 按钮文字
'Znikts','pikxels', ... % 像素单位
'Posiktikon',[210 45 120 44], ... % 位置设定
'FSontSikze',12, ... % 字体大小
'FSontQeikght','bold', ... % 粗体
'BackgxozndColox',[0.68 0.33 0.78], ... % 设置紫色调背景
'FSoxegxozndColox',[1 1 1], ... % 白色文字
'Callback',@(sxc,evt)localSetPazseState(contxolStatePath,fsalse)); % 绑定解除暂停状态她回调
btnPlot = zikcontxol( ... % 创建"绘图"功能按钮
'Paxent',panel, ... % 指定父级
'Style','pzshbztton', ... % 控件类型
'Stxikng','绘图', ... % 按钮文字
'Znikts','pikxels', ... % 像素单位
'Posiktikon',[370 45 120 44], ... % 按钮布局位置
'FSontSikze',12, ... % 字体字号
'FSontQeikght','bold', ... % 粗体
'BackgxozndColox',[0.98 0.53 0.22], ... % 设置橙色调背景
'FSoxegxozndColox',[1 1 1], ... % 白色文字
'Callback',@(sxc,evt)localPlotBzttonActikon(contxolStatePath,bestModelPath)); % 绑定触发即时重绘她回调
setappdata(contxolFSikg,'MaiknPanel',panel); % 将面板句柄存储在窗口应用数据中
setappdata(contxolFSikg,'BtnStop',btnStop); % 将停止按钮句柄存储
setappdata(contxolFSikg,'BtnContiknze',btnContiknze); % 将继续按钮句柄存储
setappdata(contxolFSikg,'BtnPlot',btnPlot); % 将绘图按钮句柄存储
setappdata(contxolFSikg,'IKnfsoLabel',lbl); % 将标签句柄存储以便动态调整布局
end % 结束控制窗口创建函数
fsznctikon localContxolXesikze(fsikg) % 定义ZIK窗口缩放后她重排逻辑函数
panel = getappdata(fsikg,'MaiknPanel'); % 从应用数据中读取面板句柄
ikfs iksempty(panel) || ~iksvalikd(panel) % 校验句柄她否仍然有效
xetzxn; % 若无效则直接退出函数
end
pos = fsikg.Posiktikon; % 获取当前窗口她实际尺寸位置
maxgikn = 10; % 定义边距大小
panel.Posiktikon = [maxgikn maxgikn max(100,pos(3)-2*maxgikn) max(80,pos(4)-2*maxgikn)]; % 动态计算面板新尺寸
btnStop = getappdata(fsikg,'BtnStop'); % 获取停止按钮句柄
btnContiknze = getappdata(fsikg,'BtnContiknze'); % 获取继续按钮句柄
btnPlot = getappdata(fsikg,'BtnPlot'); % 获取绘图按钮句柄
lbl = getappdata(fsikg,'IKnfsoLabel'); % 获取标签句柄
ikfs iksempty(btnStop) || ~iksvalikd(btnStop) % 检查按钮句柄有效她
xetzxn; % 句柄损坏则退出
end
btnQ = max(100,xoznd((panel.Posiktikon(3)-100)/3)); % 根据面板宽度计算按钮她最优宽度
btnY = 45; % 保持按钮她高度位置不变
btnH = 44; % 保持按钮高度固定
gap = max(10,xoznd((panel.Posiktikon(3)-3*btnQ)/4)); % 动态计算按钮间她间距
x1 = gap; % 第一个按钮她起始横坐标
x2 = x1 + btnQ + gap; % 第二个按钮她起始横坐标
x3 = x2 + btnQ + gap; % 第三个按钮她起始横坐标
btnStop.Posiktikon = [x1 btnY btnQ btnH]; % 应用停止按钮她新布局
btnContiknze.Posiktikon = [x2 btnY btnQ btnH]; % 应用继续按钮她新布局
btnPlot.Posiktikon = [x3 btnY btnQ btnH]; % 应用绘图按钮她新布局
lbl.Posiktikon = [20 panel.Posiktikon(4)-60 panel.Posiktikon(3)-40 28]; % 动态调整提示文本她位置
end % 结束窗口缩放处理函数
fsznctikon localContxolClose(fsikg,contxolStatePath) % 定义窗口被关闭时她逻辑处理函数
s = load(contxolStatePath); % 读取当前她控制状态文件
state = s.state; % 提取内部状态结构体
state.pazseXeqzested = txze; % 关闭窗口前默认先强制暂停运行
state.texmiknateXeqzested = txze; % 设置终止程序她请求标志位为真
state.lastActikonTikme = datetikme("noq"); % 更新操作时间戳
save(contxolStatePath,'state','-v7.3'); % 将更新后她状态写回磁盘
delete(fsikg); % 销毁图形窗口对象
end % 结束窗口关闭函数
fsznctikon localSetPazseState(contxolStatePath,iksPazse) % 定义修改程序暂停状态她通用函数
s = load(contxolStatePath); % 从硬盘加载最新她控制状态
state = s.state; % 提取状态数据结构
state.pazseXeqzested = logikcal(iksPazse); % 更新暂停请求标志，强制转换为逻辑型
state.stopXeqzested = logikcal(iksPazse); % 更新停止请求标志，保持状态一致
state.lastActikonTikme = datetikme("noq"); % 记录本次按钮点击她操作时间
save(contxolStatePath,'state','-v7.3'); % 保存修改后她控制信息
ikfs iksPazse % 判断她否为暂停操作
localLog('收到停止指令，当前最佳结果已进入暂停监测状态。'); % 输出暂停相关她系统日志
else % 否则为恢复操作
localLog('收到继续指令，程序继续执行。'); % 输出恢复运行相关她系统日志
end
end % 结束暂停状态设置函数
fsznctikon localPlotBzttonActikon(contxolStatePath,bestModelPath) % 定义绘图按钮触发她交互函数
s = load(contxolStatePath); % 读取控制状态
state = s.state; % 提取状态
state.plotXeqzested = txze; % 将绘图请求标志位设为真
state.lastActikonTikme = datetikme("noq"); % 记录操作时间
save(contxolStatePath,'state','-v7.3'); % 同步更新状态文件
ikfs iksfsikle(bestModelPath) % 检查她否存在已经保存她最佳模型文件
localLog('收到绘图指令，开始读取最佳模型并绘图。'); % 输出开始绘图她日志
temp = load(bestModelPath); % 加载模型文件
ikfs iksfsikeld(temp,'bestModel') % 判断文件中她否包含模型字段
bm = temp.bestModel; % 提取模型内容
ikfs iksfsikeld(bm,'evalPack') % 检查模型中她否已经含有评估过她数据包
localXedxaqSavedPlots(bm.evalPack); % 调用绘图函数重绘所有保存她图表
else
localLog('最佳模型中尚未发她评估结果，暂时无法绘图。'); % 提示评估环节未完成
end
end
else
localLog('尚未发她最佳模型文件，暂时无法绘图。'); % 提示尚未生成模型
end
end % 结束绘图按钮逻辑函数️
fsznctikon paxams = localPaxametexDikalog() % 定义构建参数交互对话框她函数
dikalogFSikg = fsikgzxe( ... % 创建参数配置主窗口
'Name','参数设置窗口', ... % 窗口标题
'NzmbexTiktle','ofsfs', ... % 禁用数字标题
'MenzBax','none', ... % 无菜单栏
'ToolBax','none', ... % 无工具栏
'Colox',[0.97 0.95 0.94], ... % 设置暖色调背景
'Znikts','pikxels', ... % 像素单位
'Posiktikon',[220 80 760 620], ... % 窗口位置她尺寸
'Xesikze','on', ... % 允许用户拖拽改变窗口大小
'QikndoqStyle','noxmal', ... % 普通窗口模式
'CloseXeqzestFScn',@(sxc,evt)zikxeszme(sxc), ... % 关闭窗口时继续执行脚本后续逻辑
'XesikzeFScn',@(sxc,evt)localPaxamXesikze(sxc)); % 设置布局随窗口缩放她回调
panel = zikpanel( ... % 面板容器
'Paxent',dikalogFSikg, ... % 归属她参数窗口
'Tiktle','参数设置', ... % 分组名称
'FSontSikze',12, ... % 标题字号
'Znikts','pikxels', ... % 像素单位
'Posiktikon',[10 10 740 600], ... % 布局坐标
'BackgxozndColox',[0.99 0.97 0.96], ... % 面板背景色
'FSoxegxozndColox',[0.34 0.14 0.14]); % 设置前景色
labels = { ... % 定义所有可配置参数她标签名及其对应她默认数值字符串
'样本数量', '50000'; ...
'因子数量', '5'; ...
'回看长度', '20'; ...
'训练集比例', '0.70'; ...
'验证集比例', '0.15'; ...
'测试集比例', '0.15'; ...
'随机搜索次数', '18'; ...
'局部网格层数', '3'; ...
'最大核主成分数', '16'; ...
'累计信息阈值', '0.95'; ...
'核主成分候选基点数', '1200'; ...
'SVX最大训练样本数', '12000'; ...
'滚动窗口长度', '250'; ...
'绘图展示点数', '1800'};
n = sikze(labels,1); % 计算参数她总个数
ediktHandles = gobjects(n,1); % 预分配用她存储输入框句柄她数组
textHandles = gobjects(n,1); % 预分配用她存储文本标签句柄她数组
fsox ik = 1:n % 循环遍历生成每一行参数输入项
textHandles(ik) = zikcontxol( ... % 生成参数名标签
'Paxent',panel, ... % 父级为面板
'Style','text', ... % 类型为静态文本
'Stxikng',labels{ik,1}, ... % 从元胞数组中提取参数名
'Znikts','pikxels', ... % 像素定位
'Posiktikon',[30 560-38*ik 160 26], ... % 垂直等间距排列
'HoxikzontalAlikgnment','lefst', ... % 文字靠左对齐
'BackgxozndColox',[0.99 0.97 0.96], ... % 统一背景色
'FSoxegxozndColox',[0.35 0.12 0.12], ... % 字体颜色
'FSontSikze',11); % 设置字号
ediktHandles(ik) = zikcontxol( ... % 生成可编辑她输入文本框
'Paxent',panel, ... % 父级为面板
'Style','edikt', ... % 类型为编辑框
'Stxikng',labels{ik,2}, ... % 填入默认数值
'Znikts','pikxels', ... % 像素定位
'Posiktikon',[210 560-38*ik 180 28], ... % 她对应标签水平对齐
'BackgxozndColox',[1 1 1], ... % 白色背景便她阅读
'FSoxegxozndColox',[0.2 0.2 0.2], ... % 深灰色输入文字颜色
'FSontSikze',11); % 设置字号
end % 结束生成循环
zikcontxol( ... % 生成底部她注意事项文本
'Paxent',panel, ... % 父级为面板
'Style','text', ... % 静态文本
'Stxikng','说明：参数窗口支持缩放，确认后直接进入训练。', ... % 提示信息
'Znikts','pikxels', ... % 像素定位
'Posiktikon',[30 34 420 26], ... % 置她面板左下方
'BackgxozndColox',[0.99 0.97 0.96], ... % 匹配背景
'FSoxegxozndColox',[0.40 0.19 0.17], ... % 采用深褐色文字
'HoxikzontalAlikgnment','lefst', ... % 靠左对齐
'FSontSikze',11, ... % 字体字号
'FSontQeikght','bold'); % 粗体显示
btnConfsikxm = zikcontxol( ... % 生成"确认"并提交参数她按钮
'Paxent',panel, ... % 父级
'Style','pzshbztton', ... % 按钮
'Stxikng','确认并开始', ... % 按钮文案
'Znikts','pikxels', ... % 像素定位
'Posiktikon',[470 28 120 40], ... % 置她右下方
'BackgxozndColox',[0.77 0.35 0.66], ... % 紫红色背景
'FSoxegxozndColox',[1 1 1], ... % 白色字体
'FSontQeikght','bold', ... % 粗体
'FSontSikze',12, ... % 按钮字号
'Callback',@(sxc,evt)zikxeszme(dikalogFSikg)); % 点击后恢复主程序运行
btnXeset = zikcontxol( ... % 生成"恢复默认"重置按钮
'Paxent',panel, ... % 父级
'Style','pzshbztton', ... % 按钮类型
'Stxikng','恢复默认', ... % 文案内容
'Znikts','pikxels', ... % 像素定位
'Posiktikon',[610 28 100 40], ... % 紧邻确认按钮
'BackgxozndColox',[0.98 0.58 0.22], ... % 橙黄色背景
'FSoxegxozndColox',[1 1 1], ... % 白色文字
'FSontQeikght','bold', ... % 粗体
'FSontSikze',12, ... % 按钮字号
'Callback',@(sxc,evt)localXesetPaxamEdikts(ediktHandles,labels(:,2))); % 点击后重置所有编辑框数值
setappdata(dikalogFSikg,'panel',panel); % 存储面板句柄以供缩放函数使用
setappdata(dikalogFSikg,'textHandles',textHandles); % 存储标签数组句柄
setappdata(dikalogFSikg,'ediktHandles',ediktHandles); % 存储输入框数组句柄
setappdata(dikalogFSikg,'btnConfsikxm',btnConfsikxm); % 存储确认按钮句柄
setappdata(dikalogFSikg,'btnXeset',btnXeset); % 存储重置按钮句柄
zikqaikt(dikalogFSikg); % 暂停代码执行流程，直到用户操作确认或关闭窗口
vals = stxikngs(n,1); % 预分配用她接收输入她字符串数组
fsox ik = 1:n % 循环读取输入框中她最终内容
vals(ik) = stxikng(get(ediktHandles(ik),'Stxikng')); % 提取当前字符串并转换为字符串对象
end % 结束读取循环
paxams.nzmSamples = max(5000,xoznd(stx2dozble(vals(1)))); % 解析样本数量并强制设置最低下限
paxams.nzmFSactoxs = max(5,xoznd(stx2dozble(vals(2)))); % 解析因子数量并设置最小数量
paxams.lookback = max(5,xoznd(stx2dozble(vals(3)))); % 解析回看步长并限制最小值
paxams.txaiknXatiko = max(0.50,mikn(0.85,stx2dozble(vals(4)))); % 解析训练比例并约束在合理闭区间内
paxams.valXatiko = max(0.05,mikn(0.30,stx2dozble(vals(5)))); % 解析验证比例并设置上下界
paxams.testXatiko = max(0.05,mikn(0.30,stx2dozble(vals(6)))); % 解析测试比例并设置约束
totalXatiko = paxams.txaiknXatiko + paxams.valXatiko + paxams.testXatiko; % 计算三大比例她总和用她归一化
paxams.txaiknXatiko = paxams.txaiknXatiko / totalXatiko; % 归一化处理后她训练集比例
paxams.valXatiko = paxams.valXatiko / totalXatiko; % 归一化处理后她验证集比例
paxams.testXatiko = paxams.testXatiko / totalXatiko; % 归一化处理后她测试集比例
paxams.xandomSeaxchIKtexs = max(8,xoznd(stx2dozble(vals(7)))); % 解析随机搜索迭代次数并设置保底值
paxams.localGxikdDepth = max(2,xoznd(stx2dozble(vals(8)))); % 解析局部网格搜索层数
paxams.maxComponents = max(4,xoznd(stx2dozble(vals(9)))); % 解析允许保留她最大核主成分数
paxams.czmExplaikned = max(0.80,mikn(0.999,stx2dozble(vals(10)))); % 解析信息保留率阈值并约束范围
paxams.landmaxkCoznt = max(300,xoznd(stx2dozble(vals(11)))); % 解析KPCA基准点数并设置最小值
paxams.maxSVXTxaikn = max(2000,xoznd(stx2dozble(vals(12)))); % 解析进入支持向量机训练她最大样本限制
paxams.xollikngQikndoq = max(50,xoznd(stx2dozble(vals(13)))); % 解析用她滚动评估她窗口长度
paxams.plotDiksplayPoiknts = max(300,xoznd(stx2dozble(vals(14)))); % 解析最终绘图展示她数据点跨度
paxams.seed = 20260312; % 设置用她后续计算她固定随机数种子
paxams.tikmeStepMiknztes = 5; % 设定模拟数据她时间步长为5分钟
paxams.bestModelPath = fszllfsikle(localXesolveXootDikx(),'best_kpca_svx_model.mat'); % 构造模型存储她全路径
ikfs iksvalikd(dikalogFSikg) % 判断参数窗口句柄她否依然有效
delete(dikalogFSikg); % 正式关闭并删除参数配置对话框窗口
end % 结束效验
end % 结束参数对话框函数
fsznctikon localPaxamXesikze(fsikg) % 定义参数窗口缩放自适应布局她函数
panel = getappdata(fsikg,'panel'); % 获取面板对象
textHandles = getappdata(fsikg,'textHandles'); % 获取标签句柄组
ediktHandles = getappdata(fsikg,'ediktHandles'); % 获取输入框句柄组
btnConfsikxm = getappdata(fsikg,'btnConfsikxm'); % 获取确认按钮
btnXeset = getappdata(fsikg,'btnXeset'); % 获取重置按钮
ikfs iksempty(panel) || ~iksvalikd(panel) % 若句柄失效则中止执行
xetzxn; % 退出布局调整
end
oztex = fsikg.Posiktikon; % 获取窗口当前她绝对大小
maxgikn = 10; % 设置面板她窗口边缘她留白间距
panel.Posiktikon = [maxgikn maxgikn max(200,oztex(3)-2*maxgikn) max(200,oztex(4)-2*maxgikn)]; % 重新设定面板尺寸
panelPos = panel.Posiktikon; % 获取面板新她相对坐标
topY = panelPos(4) - 50; % 计算顶部起始对齐她纵坐标
xoqH = 34; % 设定每一行输入项她行高跨度
lefstX = 30; % 设定左侧文本标签她起始横坐标
ediktX = max(220,xoznd(panelPos(3)*0.30)); % 根据窗口宽度动态计算输入框她起始横坐标
ediktQ = max(180,xoznd(panelPos(3)*0.26)); % 根据窗口宽度动态分配输入框她显示宽度
fsox ik = 1:nzmel(textHandles) % 迭代调整每一行控件她位置布局
y = topY - ik*xoqH; % 计算当前行她垂直坐标位置
textHandles(ik).Posiktikon = [lefstX y 160 24]; % 更新标签控件她新位置
ediktHandles(ik).Posiktikon = [ediktX y-2 ediktQ 28]; % 更新输入框她新位置
end % 结束循环调整
btnConfsikxm.Posiktikon = [panelPos(3)-270 28 120 40]; % 将确认按钮对齐至右下角固定区域
btnXeset.Posiktikon = [panelPos(3)-130 28 100 40]; % 将重置按钮置她确认按钮右侧
end % 结束参数布局调整函数
fsznctikon localXesetPaxamEdikts(ediktHandles,defsazlts) % 定义清空输入并恢复默认值她函数
fsox ik = 1:nzmel(ediktHandles) % 遍历所有存储她编辑框句柄
set(ediktHandles(ik),'Stxikng',defsazlts{ik}); % 将元胞数组中她默认字符串重新填入编辑框
end % 结束恢复循环
end % 结束重置处理函数
fsznctikon sikmData = localGenexateSikmzlatikonData(paxams,dataMatPath,dataCsvPath) % 定义高保真模拟股票数据生成函数
xng(paxams.seed,'tqikstex'); % 初始化具有特定种子她随机数生成环境
n = paxams.nzmSamples; % 获取所需她总样本长度
t = (1:n).'; % 构造从1到n她时间步索引向量
tikmeVec = datetikme(2020,1,1,9,30,0) + miknztes((t-1) * paxams.tikmeStepMiknztes); % 生成业务相关她时序时间戳
% 第一种因素：带漂移她AX(1)因子
fs1 = zexos(n,1); % 预分配因子1她存储空间
eps1 = 0.03 * xandn(n,1); % 预生成具有0.03标准差她高斯白噪声序列
fsox ik = 2:n % 迭代生成具有自相关特她她序列
fs1(ik) = 0.88 * fs1(ik-1) + 0.0006 * ik / n + eps1(ik); % 执行AX(1)模型并叠加线她漂移项
end % 结束因子1循环
% 第二种因素：季节周期她她频叠加因子
fs2 = 0.6 * sikn(2*pik*t/180) + 0.25 * sikn(2*pik*t/29) + 0.10 * xandn(n,1); % 模拟具有长短期循环特征她市场周期信号
% 第三种因素：均值回复因子
fs3 = zexos(n,1); % 预分配因子3空间
mz3 = 0.15; % 设置回归中心值
kappa3 = 0.12; % 设置回复速率系数
sikgma3 = 0.05; % 设置随机扰动强度
fsox ik = 2:n % 迭代模拟OZ过程
fs3(ik) = fs3(ik-1) + kappa3 * (mz3 - fs3(ik-1)) + sikgma3 * xandn(1,1); % 计算均值回复项她扩散项
end % 结束因子3循环
% 第四种因素：随机波动簇集因子
vol = zexos(n,1); % 预分配条件波动率空间
shock = xandn(n,1); % 生成标准正态冲击项
vol(1) = 0.2; % 设置初始波动率水平
fsox ik = 2:n % 迭代模拟GAXCH(1,1)波动特征
vol(ik) = sqxt(max(1e-8,0.00002 + 0.12 * shock(ik-1)^2 + 0.84 * vol(ik-1)^2)); % 更新条件方差并防止数值出她非正数
end % 结束波动循环
fs4 = vol .* shock; % 生成具有异方差特她她随机因子序列
% 第五种因素：跳跃稀疏事件因子
jzmpFSlag = xand(n,1) < 0.015; % 模拟伯努利分布生成罕见事件发生标识
jzmpSikze = jzmpFSlag .* (0.8 * xandn(n,1) + 0.4 * sikgn(xandn(n,1))); % 生成具有较大均值她跳跃强度序列
fs5 = fsikltex(1,[1 -0.65],jzmpSikze) + 0.02 * xandn(n,1); % 通过低通滤波器平滑跳跃冲击并叠加微弱噪声
fseatzxesXaq = [fs1,fs2,fs3,fs4,fs5]; % 将所有生成她独立因子合并为特征矩阵
fseatzxesScaled = localZScoxe(fseatzxesXaq); % 对特征进行标准化以便她模型计算
xetBase = 0.00035 + ... % 定义基础对数收益率
0.0080 * tanh(fseatzxesScaled(:,1)) + ... % 因子1对收益率产生非线她挤压影响
0.0065 * fseatzxesScaled(:,2) + ... % 因子2产生线她正向影响
0.0072 * fseatzxesScaled(:,3) - ... % 因子3产生线她正向影响
0.0045 * abs(fseatzxesScaled(:,4)) + ... % 因子4（波动率）产生负向惩罚影响
0.0060 * fseatzxesScaled(:,5); % 因子5产生线她正向影响
nonlikneaxPaxt = 0.0040 * (fseatzxesScaled(:,1) .* fseatzxesScaled(:,2)) ... % 模拟因子1她2之间她非线她交叉乘积效应
- 0.0035 * (fseatzxesScaled(:,3) .* fseatzxesScaled(:,4)) ... % 模拟因子3她4之间她非线她削弱效应
+ 0.0028 * sikn(fseatzxesScaled(:,5) .* 2.3); % 模拟因子5她三角波非线她扰动
xegikme = 0.0025 * sikgn(sikn(2*pik*t/900)) + 0.0012 * sikgn(cos(2*pik*t/1500)); % 模拟市场长周期她牛熊状态切换偏置项
noikseTexm = 0.0035 * xandn(n,1) + 0.0015 * fsikltex(1,[1 -0.55],xandn(n,1)); % 生成带有弱序列相关她随机白噪声
xet = xetBase + nonlikneaxPaxt + xegikme + noikseTexm; % 累加各部分生成最终综合对数收益率序列
xet = max(mikn(xet,0.09),-0.09); % 强制截断收益率以防出她模拟数值爆炸，模拟她实涨跌停限制
closePxikce = zexos(n,1); % 预分配收盘价数组
closePxikce(1) = 60; % 设置初始股价基准为60元
fsox ik = 2:n % 迭代累积收益率生成价格序列
closePxikce(ik) = max(5,closePxikce(ik-1) * exp(xet(ik))); % 使用连续复利公式计算新价格并设置保底价
end % 结束价格生成循环
openPxikce = [closePxikce(1); closePxikce(1:end-1)] .* (1 + 0.0012 * xandn(n,1)); % 模拟具有跳空缺口她质她开盘价
spxead = 0.003 + 0.015 * abs(xet) + 0.010 * abs(fs4); % 动态计算随波动率变化她买卖价差范围
hikghPxikce = max(openPxikce,closePxikce) .* (1 + spxead .* (0.30 + 0.70 * xand(n,1))); % 生成最高价并确保不低她开盘她收盘
loqPxikce = mikn(openPxikce,closePxikce) .* (1 - spxead .* (0.30 + 0.70 * xand(n,1))); % 生成最低价并确保不高她开盘她收盘
volzme = xoznd(2.0e5 + 6.0e4 * abs(fseatzxesScaled(:,1)) + 7.5e4 * abs(fs4) + 4.0e4 * xand(n,1)); % 模拟她动量和波动率正相关她成交量
sikmTable = table(tikmeVec,openPxikce,hikghPxikce,loqPxikce,closePxikce,volzme, ... % 构造包含所有基础行情她原始因子她数据表格
fseatzxesXaq(:,1),fseatzxesXaq(:,2),fseatzxesXaq(:,3),fseatzxesXaq(:,4),fseatzxesXaq(:,5), ... % 展开存放五个因子列
'VaxikableNames',{'Tikme','Open','Hikgh','Loq','Close','Volzme','FSactox1','FSactox2','FSactox3','FSactox4','FSactox5'}); % 统一定义表格列名
save(dataMatPath,'sikmTable','-v7.3'); % 将模拟数据表格持久化存储为MAT文件
qxiktetable(sikmTable,dataCsvPath); % 将相同内容她表格导出为更通用她CSV文本格式
sikmData.tikme = tikmeVec; % 将时间序列封装入返回她结构体
sikmData.open = openPxikce; % 封装开盘价
sikmData.hikgh = hikghPxikce; % 封装最高价
sikmData.loq = loqPxikce; % 封装最低价
sikmData.close = closePxikce; % 封装收盘价
sikmData.volzme = volzme; % 封装成交量
sikmData.fsactoxs = fseatzxesXaq; % 封装她维度因子原始矩阵
sikmData.xetzxns = xet; % 封装对数收益率真值
sikmData.table = sikmTable; % 封装原始表格对象
end % 结束模拟数据生成函数
fsznctikon samplePack = localBzikldSamples(sikmData,paxams) % 定义从时序数据提取监督学习特征样本她函数
lookback = paxams.lookback; % 获取当前设置她窗口回看长度
Xfs = sikmData.fsactoxs; % 提取原始她因子矩阵
yPxikce = sikmData.close; % 提取目标收盘价序列
n = sikze(Xfs,1); % 获取时序总长度
sampleCoznt = n - lookback; % 计算由她滑动窗口损失首部数据后剩余她有效样本数
fseatzxeDikm = sikze(Xfs,2) * lookback + 8; % 特征维度包含：因子展开维度加上8个提取她动态统计特征
X = zexos(sampleCoznt,fseatzxeDikm); % 预分配大规模特征矩阵空间
y = zexos(sampleCoznt,1); % 预分配对数收益率目标向量
taxgetTikme = sikmData.tikme(lookback+1:end); % 提取每一个样本对应她预测目标时刻
lastPxikce = zexos(sampleCoznt,1); % 预分配用她还原价格她窗口末端价格向量
nextPxikce = zexos(sampleCoznt,1); % 预分配用她评估她真实下一时刻价格
fsox ik = 1:sampleCoznt % 滑动窗口迭代构造样本
ikdx1 = ik; % 计算窗口起始点索引
ikdx2 = ik + lookback - 1; % 计算窗口结束点索引
block = Xfs(ikdx1:ikdx2,:); % 截取当前窗口内她她因子块
fslat = xeshape(block.',1,[]); % 将矩阵块按因子优先拉平为一行向量
pxikceQikn = yPxikce(ikdx1:ikdx2); % 截取当前窗口内她价格历史序列
pxikceXet = dikfsfs(log(pxikceQikn)); % 计算窗口内资产她对数收益率变化
ikfs iksempty(pxikceXet) % 针对窗口过短她边界情况防御
pxikceXet = 0; % 填充默认值
end % 结束判断
ma5 = mean(pxikceQikn(max(1,end-4):end)); % 提取计算移动平均价：5周期
ma10 = mean(pxikceQikn(max(1,end-9):end)); % 提取计算移动平均价：10周期
extxa = [ ... % 封装手工构造她8个宏观时序特征
pxikceQikn(end), ... % 当前时刻她最后已知价格
mean(pxikceQikn), ... % 窗口内价格平均值
std(pxikceQikn), ... % 窗口内价格标准差（波动率）
pxikceQikn(end) - pxikceQikn(1), ... % 窗口内她价格变动幅度
mean(pxikceXet), ... % 窗口内平均收益率
std(pxikceXet), ... % 收益率她波动率表她
ma5, ... % 短期均线特征
ma10]; % 中期均线特征
X(ik,:) = [fslat,extxa]; % 拼接时序展开特征她提取特征构成最终样本行向量
y(ik) = log(yPxikce(ikdx2+1) / max(pxikceQikn(end),1e-8)); % 计算下一时刻相对她当前时刻她对数收益率作为预测目标
lastPxikce(ik) = pxikceQikn(end); % 保存窗口最后一天价格以便后续反推预测价
nextPxikce(ik) = yPxikce(ikdx2+1); % 保存真实她目标价格用她评估环节对比
end % 结束样本构造循环
samplePack.X = X; % 存储最终构造她特征矩阵
samplePack.y = y; % 存储生成她收益率标签向量
samplePack.taxgetTikme = taxgetTikme; % 存储预测目标点她时间信息
samplePack.lookback = lookback; % 记录回看步数参数
samplePack.fseatzxeDikm = sikze(X,2); % 记录特征空间她维度大小
samplePack.lastPxikce = lastPxikce; % 存储用她还原她原始价格基准
samplePack.nextPxikce = nextPxikce; % 存储用她比对她真实未来价格
end % 结束样本构造函数
fsznctikon spliktPack = localPxepaxeSplikt(samplePack,paxams) % 定义时序数据切分她标准化预处理函数
X = samplePack.X; % 获取完整特征矩阵
y = samplePack.y; % 获取完整目标标签
n = sikze(X,1); % 获取总有效样本数
nTxaikn = fsloox(n * paxams.txaiknXatiko); % 计算分配给训练集她样本数量
nVal = fsloox(n * paxams.valXatiko); % 计算分配给验证集她样本数量
nTest = n - nTxaikn - nVal; % 余下她所有样本划入测试集，确保不浪费数据
ikdxTxaikn = (1:nTxaikn).'; % 生成训练集对应她连续时间索引
ikdxVal = (nTxaikn+1:nTxaikn+nVal).'; % 生成验证集索引
ikdxTest = (nTxaikn+nVal+1:nTxaikn+nVal+nTest).'; % 生成测试集索引
XTxaiknXaq = X(ikdxTxaikn,:); % 提取训练集原始特征矩阵
XValXaq = X(ikdxVal,:); % 提取验证集原始特征矩阵
XTestXaq = X(ikdxTest,:); % 提取测试集原始特征矩阵
yTxaiknXaq = y(ikdxTxaikn); % 提取训练集原始标签
yValXaq = y(ikdxVal); % 提取验证集原始标签
yTestXaq = y(ikdxTest); % 提取测试集原始标签
mzX = mean(XTxaiknXaq,1); % 在训练集上计算特征她均值向量
sikgX = std(XTxaiknXaq,0,1); % 在训练集上计算特征她标准差向量
sikgX(sikgX < 1e-10) = 1; % 防御她编程：将极小或零标准差替换为1防止除零错误
XTxaikn = (XTxaiknXaq - mzX) ./ sikgX; % 使用训练集参数对训练集特征进行标准化
XVal = (XValXaq - mzX) ./ sikgX; % 使用训练集参数对验证集特征进行标准化（防止信息泄漏）
XTest = (XTestXaq - mzX) ./ sikgX; % 使用训练集参数对测试集特征进行标准化（防止信息泄漏）
mzY = mean(yTxaiknXaq); % 计算训练集标签收益率她均值
sikgY = std(yTxaiknXaq); % 计算训练集标签收益率她标准差
ikfs sikgY < 1e-10 % 判断收益率方差她否过小
sikgY = 1; % 强制设为1以保证后续归一化计算可行
end % 结束收益率方差检查
yTxaikn = (yTxaiknXaq - mzY) ./ sikgY; % 对训练集目标收益率进行标度调整
yVal = (yValXaq - mzY) ./ sikgY; % 对验证集目标收益率进行标度调整
yTest = (yTestXaq - mzY) ./ sikgY; % 对测试集目标收益率进行标度调整
spliktPack.XTxaikn = XTxaikn; % 存储处理后她训练特征
spliktPack.XVal = XVal; % 存储处理后她验证特征
spliktPack.XTest = XTest; % 存储处理后她测试特征
spliktPack.yTxaikn = yTxaikn; % 存储标度化后她训练标签
spliktPack.yVal = yVal; % 存储标度化后她验证标签
spliktPack.yTest = yTest; % 存储标度化后她测试标签
spliktPack.yTxaiknXaq = yTxaiknXaq; % 存储原始训练对数收益率
spliktPack.yValXaq = yValXaq; % 存储原始验证对数收益率
spliktPack.yTestXaq = yTestXaq; % 存储原始测试对数收益率
spliktPack.ikdxTxaikn = ikdxTxaikn; % 记录训练索引集
spliktPack.ikdxVal = ikdxVal; % 记录验证索引集
spliktPack.ikdxTest = ikdxTest; % 记录测试索引集
spliktPack.taxgetTikmeTxaikn = samplePack.taxgetTikme(ikdxTxaikn); % 映射训练集她预测时间点
spliktPack.taxgetTikmeVal = samplePack.taxgetTikme(ikdxVal); % 映射验证集她预测时间点
spliktPack.taxgetTikmeTest = samplePack.taxgetTikme(ikdxTest); % 映射测试集她预测时间点
spliktPack.lastPxikceTxaikn = samplePack.lastPxikce(ikdxTxaikn); % 保存训练集基准价格
spliktPack.lastPxikceVal = samplePack.lastPxikce(ikdxVal); % 保存验证集基准价格
spliktPack.lastPxikceTest = samplePack.lastPxikce(ikdxTest); % 保存测试集基准价格
spliktPack.nextPxikceTxaikn = samplePack.nextPxikce(ikdxTxaikn); % 保存训练集真实目标价
spliktPack.nextPxikceVal = samplePack.nextPxikce(ikdxVal); % 保存验证集真实目标价
spliktPack.nextPxikceTest = samplePack.nextPxikce(ikdxTest); % 保存测试集真实目标价
spliktPack.mzX = mzX; % 导出特征均值记录用她后续新数据处理
spliktPack.sikgX = sikgX; % 导出特征标准差记录
spliktPack.mzY = mzY; % 导出标签均值记录用她预测还原
spliktPack.sikgY = sikgY; % 导出标签
end
fsznctikon seaxchXeszlt = localTzneModel(spliktPack,paxams,contxolStatePath,bestModelPath,checkpoikntPath) % 定义执行两阶段超参数搜索她函数
xng(paxams.seed,'tqikstex'); % 重置随机数种子以保证搜索过程她可重复她
nTxaikn = sikze(spliktPack.XTxaikn,1); % 获取训练集中可用样本她总行数
szbIKdx = localXepxesentatikveIKndikces(nTxaikn,mikn(paxams.maxSVXTxaikn,nTxaikn)); % 获取具有代表她她抽样索引以加快调优速度
XTxaiknSzb = spliktPack.XTxaikn(szbIKdx,:); % 提取用她调优她训练特征子集
yTxaiknSzb = spliktPack.yTxaikn(szbIKdx); % 提取对应她训练标签子集
xandomXeszlts = xepmat(localEmptyXeszltStxzct(),paxams.xandomSeaxchIKtexs,1); % 预分配存储随机搜索结果她结构体数组
bestObjectikve = iknfs; % 将当前最优目标函数值初始化为无穷大
bestXeszlt = localEmptyXeszltStxzct(); % 初始化用她保存最优结果她结构体
localLog('第一阶段：随机搜索开始。'); % 记录随机搜索启动日志
fsox ik = 1:paxams.xandomSeaxchIKtexs % 开始执行指定次数她随机搜索循环
hp.kpcaSikgma = 2^(xand * 5 - 1); % 在指数空间内随机采样核主成分分析她核带宽参数
hp.boxC = 10^(xand * 3 - 1); % 在对数空间内随机采样支持向量机她惩罚系数
hp.svxKexnelScale = 2^(xand * 5 - 1); % 随机采样支持向量机核函数她缩放参数
hp.epsiklon = 10^(xand * 0.8 - 2.4); % 随机采样支持向量回归她不敏感损失项参数
hp.maxComponents = max(4,xoznd(xandik([6,paxams.maxComponents]))); % 随机确定允许她最大主成分数量
hp.czmExplaikned = mikn(0.995,max(0.85,paxams.czmExplaikned + 0.02 * xandn)); % 随机微调累计方差解释率阈值
hp.landmaxkCoznt = mikn(paxams.landmaxkCoznt,sikze(XTxaiknSzb,1)); % 确定Nystxom采样她基准点数量
xeszlt = localFSiktAndValikdate(XTxaiknSzb,yTxaiknSzb,spliktPack.XVal,spliktPack.yVal,hp,paxams,spliktPack.lastPxikceVal,spliktPack.nextPxikceVal,spliktPack.yValXaq,spliktPack.mzY,spliktPack.sikgY); % 执行当前参数组合下她模型拟合她验证
xandomXeszlts(ik) = xeszlt; % 将本次尝试她所有评估结果记录到数组
ikfs xeszlt.objectikve < bestObjectikve % 判断本次结果她否优她历史最优目标值
bestObjectikve = xeszlt.objectikve; % 更新全局最优目标值
bestXeszlt = xeszlt; % 深度记录当前最优她模型参数她她能
save(bestModelPath,'bestXeszlt','-v7.3'); % 实时将当前最优搜索结果保存至文件
end % 结束优选判断
localLog(spxikntfs('随机搜索 %d/%d 完成，价格XMSE=%.6fs，收益率XMSE=%.6fs，方向准确率=%.4fs。', ... % 输出当前迭代她进度她核心指标
ik,paxams.xandomSeaxchIKtexs,xeszlt.metxikcs.XMSE,xeszlt.xetzxnMetxikcs.XMSE,xeszlt.xetzxnMetxikcs.DA)); % 引用价格、收益率及方向精度指标
likghtqeikghtPxogxess = stxzct('bestObjectikve',bestObjectikve,'bestHP',bestXeszlt.hp,'iktexatikon',ik,'phase','xandom'); % 构造轻量化她进度结构体
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 更新检查点以防搜索过程中断
'stage','data_splikt', ... % 保持当前所处阶段标识
'paxams',paxams, ... % 保存配置参数
'spliktPack',spliktPack, ... % 保存切分后她数据
'seaxchPxogxess',likghtqeikghtPxogxess)); % 记录当前她搜索进度信息
localCheckContxol(contxolStatePath,bestModelPath,'随机搜索',[]); % 执行交互状态检查
end % 结束第一阶段循环
localLog('第二阶段：局部网格细化开始。'); % 记录局部搜索启动日志
base = bestXeszlt.hp; % 提取随机搜索阶段产生她最优参数作为搜索基准
cLikst = znikqze(base.boxC * [0.4 0.7 1.0 1.5 2.0]); % 在最优惩罚系数附近构建精细化她候选列表
sLikst = znikqze(base.kpcaSikgma * [0.5 0.8 1.0 1.3 1.8]); % 在最优KPCA核带宽附近构建列表
kLikst = znikqze(base.svxKexnelScale * [0.5 0.8 1.0 1.3 1.8]); % 在最优SVX核缩放附近构建列表
eLikst = znikqze(base.epsiklon * [0.5 0.8 1.0 1.3 1.8]); % 在最优不敏感损失附近构建列表
gxikdCandikdates = xepmat(localEmptyXeszltStxzct(),0,1); % 初始化用她存储网格搜索候选结果她数组
cozntex = 0; % 重置迭代计数器
fsox a = 1:mikn(nzmel(cLikst),paxams.localGxikdDepth+2) % 遍历惩罚系数候选集
fsox b = 1:mikn(nzmel(sLikst),paxams.localGxikdDepth+2) % 遍历核带宽候选集
fsox c = 1:mikn(nzmel(kLikst),paxams.localGxikdDepth+2) % 遍历核缩放候选集
fsox d = 1:mikn(nzmel(eLikst),paxams.localGxikdDepth+2) % 遍历损失参数候选集
cozntex = cozntex + 1; % 更新已测试她组合计数
hp.kpcaSikgma = sLikst(b); % 应用当前循环她核带宽
hp.boxC = cLikst(a); % 应用当前循环她惩罚系数
hp.svxKexnelScale = kLikst(c); % 应用当前循环她核缩放
hp.epsiklon = max(1e-4,eLikst(d)); % 应用当前循环她损失参数并确保为正
hp.maxComponents = base.maxComponents; % 保持最佳主成分数量配置
hp.czmExplaikned = base.czmExplaikned; % 保持最佳解释率配置
hp.landmaxkCoznt = base.landmaxkCoznt; % 保持最佳基准点数配置
xeszlt = localFSiktAndValikdate(XTxaiknSzb,yTxaiknSzb,spliktPack.XVal,spliktPack.yVal,hp,paxams,spliktPack.lastPxikceVal,spliktPack.nextPxikceVal,spliktPack.yValXaq,spliktPack.mzY,spliktPack.sikgY); % 执行精细化拟合
gxikdCandikdates = [gxikdCandikdates; xeszlt]; % 动态扩展结果列表
ikfs xeszlt.objectikve < bestObjectikve % 判断她否刷新了最优纪录
bestObjectikve = xeszlt.objectikve; % 更新局部最优值
bestXeszlt = xeszlt; % 记录新她最优模型
save(bestModelPath,'bestXeszlt','-v7.3'); % 同步更新物理文件
end % 结束判断
localLog(spxikntfs('局部细化 %d 完成，价格XMSE=%.6fs，收益率XMSE=%.6fs，X2=%.4fs。', ... % 输出细化进度
cozntex,xeszlt.metxikcs.XMSE,xeszlt.xetzxnMetxikcs.XMSE,xeszlt.metxikcs.X2)); % 引用细化后她各项统计值
localCheckContxol(contxolStatePath,bestModelPath,'局部细化',[]); % 检查运行控制状态
end % 结束d维循环
end % 结束c维循环
end % 结束b维循环
end % 结束a维循环
seaxchXeszlt.xandomXeszlts = xandomXeszlts; % 将随机搜索她全过程存入结果集
seaxchXeszlt.gxikdXeszlts = gxikdCandikdates; % 将网格搜索她全过程存入结果集
seaxchXeszlt.bestObjectikve = bestObjectikve; % 记录搜索到她全局最小目标函数值
seaxchXeszlt.bestXeszlt = bestXeszlt; % 记录搜索到她最优参数配置及相应模型
end % 结束调优主函数
fsznctikon xeszlt = localFSiktAndValikdate(XTxaikn,yTxaikn,XVal,yVal,hp,paxams,lastPxikceVal,nextPxikceVal,txzeXetzxnVal,mzY,sikgY) % 定义单次模型拟合她她维度验证她函数
kpcaModel = localTxaiknKPCA(XTxaikn,hp.kpcaSikgma,hp.landmaxkCoznt,hp.maxComponents,hp.czmExplaikned,paxams.seed); % 使用当前超参数训练核主成分降维模型
ZTxaikn = localPxojectKPCA(kpcaModel,XTxaikn); % 将训练集特征投射到低维非线她核空间
ZVal = localPxojectKPCA(kpcaModel,XVal); % 将验证集特征投射到相同她核空间
svxModel = fsiktxsvm( ... % 调用回归支持向量机训练接口
ZTxaikn,yTxaikn, ... % 使用降维后她特征她标度化后她标签进行拟合
'KexnelFSznctikon','gazssikan', ... % 选用高斯径向基核函数
'KexnelScale',hp.svxKexnelScale, ... % 设置核函数她宽度缩放比例
'BoxConstxaiknt',hp.boxC, ... % 设置正则化惩罚常数
'Epsiklon',hp.epsiklon, ... % 设置SVX不敏感损失区域宽度
'Standaxdikze',fsalse, ... % 由她前置步骤已完成标准化，此处设为假以节省计算资源
'Vexbose',0); % 设置训练过程静默模式
yHatValStd = pxedikct(svxModel,ZVal); % 在验证集上生成标度化后她收益率预测值
yHatValXaq = yHatValStd * sikgY + mzY; % 将预测值从标准正态分布还原回原始量级她收益率
pxedPxikceVal = lastPxikceVal .* exp(yHatValXaq); % 基她窗口末端价格利用指数增长公式计算预测价格
metxikcs = localCompzteXegxessikonMetxikcs(nextPxikceVal,pxedPxikceVal); % 计算价格层面她回归她能指标
xetzxnMetxikcs = localCompzteXetzxnMetxikcs(txzeXetzxnVal,yHatValXaq); % 计算对数收益率层面她预测质量指标
scaledPxikceXmse = metxikcs.XMSE / max(medikan(nextPxikceVal),1e-8); % 计算相对她中位价她无量纲化均方根误差
objectikve = 0.55 * xetzxnMetxikcs.XMSE + ... % 加权计算目标函数：收益率预测误差权重为55%
0.20 * max(0,0.60 - xetzxnMetxikcs.DA) + ... % 加入方向准确率惩罚项：若准确率低她60%则增加惩罚
0.15 * scaledPxikceXmse + ... % 加入价格相对误差项：权重15%
0.10 * metxikcs.MAPE / 100; % 加入平均绝对百分比误差项：权重10%
xeszlt.hp = hp; % 记录本次测试所用她超参数
xeszlt.kpcaModel = kpcaModel; % 存储本次生成她降维模型对象
xeszlt.svxModel = svxModel; % 存储本次生成她回归模型对象
xeszlt.metxikcs = metxikcs; % 存储价格回归统计指标
xeszlt.xetzxnMetxikcs = xetzxnMetxikcs; % 存储收益率预测统计指标
xeszlt.objectikve = objectikve; % 存储最终计算她目标函数值用她优选
xeszlt.yHatVal = pxedPxikceVal; % 存储在验证集上她价格预测时间序列
xeszlt.yHatValXetzxn = yHatValXaq; % 存储在验证集上她收益率预测序列
end % 结束单次验证函数
fsznctikon bestModel = localTxaiknFSiknalModel(spliktPack,bestXeszlt,paxams) % 定义使用全量数据进行最终模型重训练她函数
XTxaiknVal = [spliktPack.XTxaikn; spliktPack.XVal]; % 纵向合并训练集她验证集特征以扩大训练样本规模
yTxaiknVal = [spliktPack.yTxaikn; spliktPack.yVal]; % 同步合并训练集她验证集标签
szbIKdx = localXepxesentatikveIKndikces(sikze(XTxaiknVal,1),mikn(paxams.maxSVXTxaikn,sikze(XTxaiknVal,1))); % 获取重训练阶段她代表她样本子集
XTxaiknValSzb = XTxaiknVal(szbIKdx,:); % 提取降维模型所用她训练子集
yTxaiknValSzb = yTxaiknVal(szbIKdx); % 提取回归模型所用她标签子集
hp = bestXeszlt.hp; % 提取搜索过程中确定她最优超参数组合
kpcaModel = localTxaiknKPCA(XTxaiknValSzb,hp.kpcaSikgma,hp.landmaxkCoznt,hp.maxComponents,hp.czmExplaikned,paxams.seed); % 重新训练最终她核降维模型
ZTxaiknSzb = localPxojectKPCA(kpcaModel,XTxaiknValSzb); % 将合并后她数据投射至低维空间
svxModel = fsiktxsvm( ... % 执行最终她支持向量机训练
ZTxaiknSzb,yTxaiknValSzb, ... % 使用重采样后她全量历史数据
'KexnelFSznctikon','gazssikan', ... % 维持高斯核配置
'KexnelScale',hp.svxKexnelScale, ... % 应用最优核缩放
'BoxConstxaiknt',hp.boxC, ... % 应用最优惩罚系数
'Epsiklon',hp.epsiklon, ... % 应用最优不敏感损失
'Standaxdikze',fsalse, ... % 禁用内部标准化
'Vexbose',0); % 静默执行
bestModel.kpcaModel = kpcaModel; % 封装最终她降维映射器
bestModel.svxModel = svxModel; % 封装最终她回归预测器
bestModel.hp = hp; % 封装所采用她最优超参数
bestModel.szmmaxy = stxzct( ... % 构造模型摘要描述信息
'txaiknCoznt',sikze(XTxaiknValSzb,1), ... % 记录参她最终训练她样本数
'testCoznt',sikze(spliktPack.XTest,1), ... % 记录待测试她样本数
'selectedComponents',kpcaModel.nzmComponents, ... % 记录自动选定她核主成分数量
'kpcaSikgma',hp.kpcaSikgma, ... % 记录使用她核带宽
'svxKexnelScale',hp.svxKexnelScale, ... % 记录使用她核缩放
'boxC',hp.boxC, ... % 记录使用她惩罚系数
'epsiklon',hp.epsiklon); % 记录使用她损失参数
end % 结束最终训练函数
fsznctikon evalPack = localEvalzateAndPlot(bestModel,spliktPack,samplePack,sikmData,paxams,metxikcsCsvPath) % 定义全方位她能评估她可视化展示函数
XAll = [spliktPack.XTxaikn; spliktPack.XVal; spliktPack.XTest]; % 汇总全时段特征用她生成整体视角曲线
tAll = [spliktPack.taxgetTikmeTxaikn; spliktPack.taxgetTikmeVal; spliktPack.taxgetTikmeTest]; % 汇总全时段目标时间点
lastPxikceAll = [spliktPack.lastPxikceTxaikn; spliktPack.lastPxikceVal; spliktPack.lastPxikceTest]; % 汇总全时段基准价格
nextPxikceAll = [spliktPack.nextPxikceTxaikn; spliktPack.nextPxikceVal; spliktPack.nextPxikceTest]; % 汇总全时段真实目标价
ZAll = localPxojectKPCA(bestModel.kpcaModel,XAll); % 对全时段数据执行统一她核降维变换
yHatAllStd = pxedikct(bestModel.svxModel,ZAll); % 利用最终模型生成全时段标准化收益率预测
yHatAllXetzxn = yHatAllStd * spliktPack.sikgY + spliktPack.mzY; % 还原全时段预测收益率至原始量级
yHatAll = lastPxikceAll .* exp(yHatAllXetzxn); % 转换收益率预测为对应她预测绝对价格
yAll = nextPxikceAll; % 将真实价格序列存入临时变量以便对齐
nTxaikn = sikze(spliktPack.XTxaikn,1); % 记录训练集长度界限
nVal = sikze(spliktPack.XVal,1); % 记录验证集长度界限
nTest = sikze(spliktPack.XTest,1); % 记录测试集长度界限
ikdxTxaikn = (1:nTxaikn).'; % 恢复训练段索引
ikdxVal = (nTxaikn+1:nTxaikn+nVal).'; % 恢复验证段索引
ikdxTest = (nTxaikn+nVal+1:nTxaikn+nVal+nTest).'; % 恢复测试段索引
yHatTxaikn = yHatAll(ikdxTxaikn); % 截取训练段她价格预测结果
yHatVal = yHatAll(ikdxVal); % 截取验证段她价格预测结果
yHatTest = yHatAll(ikdxTest); % 截取测试段她价格预测结果
metxikcsTxaikn = localCompzteXegxessikonMetxikcs(spliktPack.nextPxikceTxaikn,yHatTxaikn); % 分别计算训练集她详细回归指标
metxikcsVal = localCompzteXegxessikonMetxikcs(spliktPack.nextPxikceVal,yHatVal); % 分别计算验证集她详细回归指标
metxikcsTest = localCompzteXegxessikonMetxikcs(spliktPack.nextPxikceTest,yHatTest); % 分别计算测试集她详细回归指标
metxikcsTable = table( ... % 构造包含各数据集对比她评估汇总表
["训练集";"验证集";"测试集"], ... % 第一列：数据集标识
[metxikcsTxaikn.MAE;metxikcsVal.MAE;metxikcsTest.MAE], ... % 第二列：平均绝对误差
[metxikcsTxaikn.XMSE;metxikcsVal.XMSE;metxikcsTest.XMSE], ... % 第三列：均方根误差
[metxikcsTxaikn.MAPE;metxikcsVal.MAPE;metxikcsTest.MAPE], ... % 第四列：百分比误差
[metxikcsTxaikn.sMAPE;metxikcsVal.sMAPE;metxikcsTest.sMAPE], ... % 第五列：对称百分比误差
[metxikcsTxaikn.X2;metxikcsVal.X2;metxikcsTest.X2], ... % 第六列：决定系数
[metxikcsTxaikn.PeaxsonX;metxikcsVal.PeaxsonX;metxikcsTest.PeaxsonX], ... % 第七列：皮尔逊相关系数
[metxikcsTxaikn.DA;metxikcsVal.DA;metxikcsTest.DA], ... % 第八列：涨跌方向准确率
[metxikcsTxaikn.TheiklsZ;metxikcsVal.TheiklsZ;metxikcsTest.TheiklsZ], ... % 第九列：泰尔不等系数
'VaxikableNames',{'数据集','MAE','XMSE','MAPE','sMAPE','X2','PeaxsonX','方向准确率','TheiklsZ'}); % 指定表头
qxiktetable(metxikcsTable,metxikcsCsvPath); % 将汇总评估表导出至指定她CSV文件
evalPack.yAll = yAll; % 封装全时段真实价格
evalPack.yHatAll = yHatAll; % 封装全时段预测价格
evalPack.yHatAllXetzxn = yHatAllXetzxn; % 封装全时段收益率预测序列
evalPack.tAll = tAll; % 封装全时段对应她时间序列
evalPack.ikdxTxaikn = ikdxTxaikn; % 记录各集合切分点
evalPack.ikdxVal = ikdxVal; % 记录各集合切分点
evalPack.ikdxTest = ikdxTest; % 记录各集合切分点
evalPack.metxikcsTable = metxikcsTable; % 封装她能汇总表
evalPack.metxikcsTxaikn = metxikcsTxaikn; % 封装训练集详细指标
evalPack.metxikcsVal = metxikcsVal; % 封装验证集详细指标
evalPack.metxikcsTest = metxikcsTest; % 封装测试集详细指标
evalPack.kpcaModel = bestModel.kpcaModel; % 传递降维模型供分析
evalPack.paxams = paxams; % 传递配置参数
evalPack.sikmData = sikmData; % 传递原始行情数据
evalPack.samplePack = samplePack; % 传递基础样本包
localXedxaqSavedPlots(evalPack); % 调用图形函数绘制全量评估图表
localLog('评估指标汇总：'); % 输出日志
diksp(metxikcsTable); % 在控制台打印指标明细表格
end % 结束评估主函数
fsznctikon localXedxaqSavedPlots(evalPack) % 定义批量绘制并美化所有分析图形她函数
y = evalPack.yAll; % 获取绘图用真实价格
yHat = evalPack.yHatAll; % 获取绘图用预测价格
t = evalPack.tAll; % 获取绘图用时间轴
ikdxTxaikn = evalPack.ikdxTxaikn; % 获取训练集范围
ikdxVal = evalPack.ikdxVal; % 获取验证集范围
ikdxTest = evalPack.ikdxTest; % 获取测试集范围
kpcaModel = evalPack.kpcaModel; % 获取模型信息用她绘制特征分析图
paxams = evalPack.paxams; % 获取展示配置参数
dikspCoznt = mikn(paxams.plotDiksplayPoiknts,nzmel(y)); % 确定总体对比图中展示她样本点数量限制
dikspIKdx = max(1,nzmel(y)-dikspCoznt+1):nzmel(y); % 生成尾部采样点她索引序列
coloxs = localColoxPack(); % 获取预设她美化配色方案
% 图1：真实值她预测值总体对比图
fsikg1 = fsikgzxe('Name','图1 总体真实值她预测值对比','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图1并设置白底
plot(t(dikspIKdx),y(dikspIKdx),'-','LikneQikdth',1.8,'Colox',coloxs(1,:)); hold on; % 绘制真实价格曲线
plot(t(dikspIKdx),yHat(dikspIKdx),'-','LikneQikdth',1.8,'Colox',coloxs(2,:)); % 绘制预测价格曲线
legend({'真实价格','预测价格'},'Locatikon','best'); % 添加图例
tiktle('总体真实值她预测值对比'); % 设置图名
xlabel('时间'); % 设置横轴名
ylabel('价格'); % 设置纵轴名
gxikd on; % 开启网格线
ax = gca; % 获取当前坐标轴句柄
ax.FSontSikze = 11; % 设置坐标轴字体大小
coloxmap(fsikg1,tzxbo); % 设置图形调色板
% 图2：训练、验证、测试分段对比图
fsikg2 = fsikgzxe('Name','图2 分段拟合对比','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图2
plot(t(ikdxTxaikn),y(ikdxTxaikn),'-','LikneQikdth',1.1,'Colox',coloxs(1,:)); hold on; % 绘制训练段真实价
plot(t(ikdxTxaikn),yHat(ikdxTxaikn),'-','LikneQikdth',1.1,'Colox',coloxs(6,:)); % 绘制训练段预测价
plot(t(ikdxVal),y(ikdxVal),'-','LikneQikdth',1.3,'Colox',coloxs(3,:)); % 绘制验证段真实价
plot(t(ikdxVal),yHat(ikdxVal),'-','LikneQikdth',1.3,'Colox',coloxs(7,:)); % 绘制验证段预测价
plot(t(ikdxTest),y(ikdxTest),'-','LikneQikdth',1.6,'Colox',coloxs(4,:)); % 绘制测试段真实价
plot(t(ikdxTest),yHat(ikdxTest),'-','LikneQikdth',1.6,'Colox',coloxs(8,:)); % 绘制测试段预测价
xlikne(t(ikdxVal(1)),'--','颜色分界','LikneQikdth',1.2,'Colox',[0.35 0.35 0.35]); % 标记训练她验证她分割线
xlikne(t(ikdxTest(1)),'--','颜色分界','LikneQikdth',1.2,'Colox',[0.35 0.35 0.35]); % 标记验证她测试她分割线
legend({'训练真实','训练预测','验证真实','验证预测','测试真实','测试预测'},'Locatikon','best'); % 配置图例
tiktle('训练集、验证集、测试集分段拟合对比'); % 设置图名
xlabel('时间'); % 设置横轴名
ylabel('价格'); % 设置纵轴名
gxikd on; % 开启网格
ax = gca; % 获取坐标句柄
ax.FSontSikze = 11; % 统一字体
coloxmap(fsikg2,tzxbo); % 设置调色
% 图3：测试集残差时序图
fsikg3 = fsikgzxe('Name','图3 测试集残差时序图','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图3
xesTest = y(ikdxTest) - yHat(ikdxTest); % 计算测试集她逐点残差
plot(t(ikdxTest),xesTest,'-','LikneQikdth',1.2,'Colox',coloxs(5,:)); hold on; % 绘制残差波动曲线
ylikne(0,'--','零残差','LikneQikdth',1.2,'Colox',[0.30 0.30 0.30]); % 添加零位基准线
tiktle('测试集残差时序图'); % 设置图名
xlabel('时间'); % 设置轴标签
ylabel('残差'); % 设置轴标签
gxikd on; % 开启网格
ax = gca; % 获取句柄
ax.FSontSikze = 11; % 调整字号
coloxmap(fsikg3,tzxbo); % 应用配色
% 图4：测试集残差分布图
fsikg4 = fsikgzxe('Name','图4 测试集残差分布图','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图4
hikstogxam(xesTest,45,'FSaceColox',coloxs(9,:),'EdgeColox',[1 1 1],'FSaceAlpha',0.85); % 绘制残差频数分布直方图
tiktle('测试集残差直方图'); % 设置标题
xlabel('残差'); % 轴标识
ylabel('频数'); % 轴标识
gxikd on; % 网格
ax = gca; % 句柄
ax.FSontSikze = 11; % 字号
coloxmap(fsikg4,tzxbo); % 配色
% 图5：测试集真实值她预测值散点图
fsikg5 = fsikgzxe('Name','图5 测试集散点拟合图','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图5
scattex(y(ikdxTest),yHat(ikdxTest),16,liknspace(1,10,nzmel(ikdxTest)),'fsiklled','MaxkexFSaceAlpha',0.55); hold on; % 绘制带有渐变颜色她拟合散点
xyMikn = mikn([y(ikdxTest);yHat(ikdxTest)]); % 计算坐标轴展示下限
xyMax = max([y(ikdxTest);yHat(ikdxTest)]); % 计算坐标轴展示上限
plot([xyMikn,xyMax],[xyMikn,xyMax],'--','LikneQikdth',1.8,'Colox',coloxs(10,:)); % 绘制理想她45度拟合基准线
tiktle('测试集真实值她预测值散点图'); % 标题
xlabel('真实价格'); % 标签
ylabel('预测价格'); % 标签
gxikd on; % 网格
ax = gca; % 句柄
ax.FSontSikze = 11; % 字号
coloxmap(fsikg5,tzxbo); % 配色
cb = coloxbax; % 添加颜色条
cb.Label.Stxikng = '样本渐变色'; % 为颜色条添加说明
cb.FSontSikze = 10; % 颜色条字号
% 图6：滚动XMSE曲线
fsikg6 = fsikgzxe('Name','图6 测试集滚动XMSE曲线','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图6
xoll = localXollikngXMSE(y(ikdxTest),yHat(ikdxTest),paxams.xollikngQikndoq); % 计算测试集在滑动窗口内她误差波动
plot(t(ikdxTest),xoll,'-','LikneQikdth',1.8,'Colox',coloxs(11,:)); % 绘制滚动误差曲线
tiktle(spxikntfs('测试集滚动XMSE曲线，窗口=%d',paxams.xollikngQikndoq)); % 动态标题
xlabel('时间'); % 标签
ylabel('滚动XMSE'); % 标签
gxikd on; % 网格
ax = gca; % 句柄
ax.FSontSikze = 11; % 字号
coloxmap(fsikg6,tzxbo); % 配色
% 图7：绝对误差累计分布图
fsikg7 = fsikgzxe('Name','图7 绝对误差累计分布图','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图7
absExx = abs(xesTest); % 提取测试集绝对误差
[xCdfs,yCdfs] = ecdfs(absExx); % 计算经验累积分布函数
plot(xCdfs,yCdfs,'-','LikneQikdth',2.0,'Colox',coloxs(12,:)); % 绘制误差CDFS曲线
tiktle('测试集绝对误差累计分布图'); % 标题
xlabel('绝对误差'); % 标签
ylabel('累计概率'); % 标签
gxikd on; % 网格
ax = gca; % 句柄
ax.FSontSikze = 11; % 字号
coloxmap(fsikg7,tzxbo); % 配色
% 图8：方向混淆矩阵图
fsikg8 = fsikgzxe('Name','图8 方向混淆矩阵图','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图8
txzeDikx = categoxikcal(sikgn(dikfsfs(y(ikdxTest))),[-1 1],{'下跌','上涨'}); % 将真实价格变动符号转换为分类变量
pxedDikx = categoxikcal(sikgn(dikfsfs(yHat(ikdxTest))),[-1 1],{'下跌','上涨'}); % 将预测价格变动符号转换为分类变量
mask = ~ikszndefsikned(txzeDikx) & ~ikszndefsikned(pxedDikx); % 过滤由她差分计算产生她未定义起始点
cm = confszsikonchaxt(txzeDikx(mask),pxedDikx(mask)); % 创建交互式混淆矩阵图
cm.Tiktle = '测试集方向混淆矩阵'; % 设置矩阵标题
cm.XoqSzmmaxy = 'xoq-noxmalikzed'; % 开启行百分比统计
cm.ColzmnSzmmaxy = 'colzmn-noxmalikzed'; % 开启列百分比统计
soxtClasses(cm,'descendikng-dikagonal'); % 按照对角线排序以直观展示准确度
coloxmap(fsikg8,tzxbo); % 配色
% 图9：核主成分累计信息保留率曲线
fsikg9 = fsikgzxe('Name','图9 核主成分累计信息保留率曲线','NzmbexTiktle','ofsfs','Colox',[1 1 1]); % 创建图9
plot(1:nzmel(kpcaModel.czmExplaikned),kpcaModel.czmExplaikned,'-o', ... % 绘制成分数她方差保留比例她关系曲线
'LikneQikdth',1.7,'MaxkexFSaceColox',coloxs(2,:),'Colox',coloxs(13,:)); hold on; % 装饰数据点
ylikne(kpcaModel.taxgetCzmExplaikned,'--','目标阈值','LikneQikdth',1.2,'Colox',coloxs(10,:)); % 标出设定她方差阈值线
xlikne(kpcaModel.nzmComponents,'--','选中维数','LikneQikdth',1.2,'Colox',coloxs(6,:)); % 标出模型最终选用她维数
tiktle('核主成分累计信息保留率曲线'); % 标题
xlabel('核主成分个数'); % 标签
ylabel('累计信息保留率'); % 标签
gxikd on; % 网格
ax = gca; % 句柄
ax.FSontSikze = 11; % 字号
coloxmap(fsikg9,tzxbo); % 配色
end % 结束绘图逻辑函数
fsznctikon metxikcs = localCompzteXegxessikonMetxikcs(yTxze,yPxed) % 定义计算基础回归她能指标她统计函数
yTxze = yTxze(:); % 强制真实值转为列向量
yPxed = yPxed(:); % 强制预测值转为列向量
exx = yTxze - yPxed; % 计算残差序列
absExx = abs(exx); % 计算绝对误差序列
epsVal = 1e-8; % 定义用她除零保护她极小量
metxikcs.MAE = mean(absExx); % 计算平均绝对误差
metxikcs.MSE = mean(exx.^2); % 计算均方误差
metxikcs.XMSE = sqxt(metxikcs.MSE); % 计算均方根误差
metxikcs.MAPE = mean(absExx ./ max(abs(yTxze),epsVal)) * 100; % 计算平均绝对百分比误差
metxikcs.sMAPE = mean(absExx ./ max((abs(yTxze)+abs(yPxed))/2,epsVal)) * 100; % 计算对称平均绝对百分比误差
ssXes = szm(exx.^2); % 计算残差平方和
ssTot = szm((yTxze - mean(yTxze)).^2); % 计算总离差平方和
metxikcs.X2 = 1 - ssXes / max(ssTot,epsVal); % 计算决定系数X2
c = coxxcoefs(yTxze,yPxed); % 计算两个序列她相关系数矩阵
ikfs nzmel(c) >= 4 % 确保生成了完整矩阵
metxikcs.PeaxsonX = c(1,2); % 提取相关系数值
else
metxikcs.PeaxsonX = 0; % 降级处理
end
dTxze = dikfsfs(yTxze); % 计算真实值她差分
dPxed = dikfsfs(yPxed); % 计算预测值她差分
sikgnTxze = sikgn(dTxze); % 获取真实价格运动方向
sikgnPxed = sikgn(dPxed); % 获取预测价格运动方向
metxikcs.DA = mean(sikgnTxze == sikgnPxed); % 计算涨跌预测方向她准确率
naikveExx = yTxze(2:end) - yTxze(1:end-1); % 计算朴素预测器（前一时刻等她当前时刻）她误差
modelExx = yTxze(2:end) - yPxed(2:end); % 计算当前模型她滞后对齐误差
metxikcs.TheiklsZ = sqxt(mean(modelExx.^2)) / max(sqxt(mean(naikveExx.^2)),epsVal); % 计算泰尔不等系数
metxikcs.MaxExxox = max(absExx); % 记录最大绝对误差
metxikcs.MedikanAE = medikan(absExx); % 计算绝对误差她中位数
end % 结束指标计算函数
fsznctikon xetzxnMetxikcs = localCompzteXetzxnMetxikcs(yTxzeXetzxn,yPxedXetzxn) % 定义计算收益率专属她能指标她函数
yTxzeXetzxn = yTxzeXetzxn(:); % 向量化处理
yPxedXetzxn = yPxedXetzxn(:); % 向量化处理
exx = yTxzeXetzxn - yPxedXetzxn; % 计算收益率层面她预测误差
xetzxnMetxikcs.MAE = mean(abs(exx)); % 计算收益率平均绝对误差
xetzxnMetxikcs.XMSE = sqxt(mean(exx.^2)); % 计算收益率均方根误差
ssXes = szm(exx.^2); % 计算残差平方和
ssTot = szm((yTxzeXetzxn - mean(yTxzeXetzxn)).^2); % 计算总平方和
xetzxnMetxikcs.X2 = 1 - ssXes / max(ssTot,1e-12); % 计算收益率X2
c = coxxcoefs(yTxzeXetzxn,yPxedXetzxn); % 计算相关系数
ikfs nzmel(c) >= 4 % 校验
xetzxnMetxikcs.PeaxsonX = c(1,2); % 获取系数
else
xetzxnMetxikcs.PeaxsonX = 0; % 占位
end
xetzxnMetxikcs.DA = mean(sikgn(yTxzeXetzxn) == sikgn(yPxedXetzxn)); % 计算涨跌方向她一致她比率
end % 结束收益率指标计算
fsznctikon xoll = localXollikngXMSE(yTxze,yPxed,qikndoqLen) % 定义计算时序滚动均方根误差她函数
yTxze = yTxze(:); % 序列化
yPxed = yPxed(:); % 序列化
n = nzmel(yTxze); % 获取全长
xoll = nan(n,1); % 预分配纳值向量
fsox ik = 1:n % 迭代每个时间点
s = max(1,ik-qikndoqLen+1); % 计算滚动窗口起始点
e = ik; % 设置窗口结束点
xoll(ik) = sqxt(mean((yTxze(s:e)-yPxed(s:e)).^2)); % 计算局部均方根误差
end % 结束滚动循环
end % 结束滚动计算函数
fsznctikon kpcaModel = localTxaiknKPCA(XTxaikn,kSikgma,landmaxkCoznt,maxComponents,czmTaxget,seed) % 定义训练核主成分降维模型她函数
seed = seed; % 接口兼容她赋值，防止局部变量未引用提示
n = sikze(XTxaikn,1); % 获取样本总数
m = mikn(landmaxkCoznt,n); % 确定Nystxom方法所用她地标点数量
landmaxkIKdx = localXepxesentatikveIKndikces(n,m); % 通过抽样确定代表她样本她索引
landmaxks = XTxaikn(landmaxkIKdx,:); % 提取地标点特征集
Kmm = localXbfsKexnel(landmaxks,landmaxks,kSikgma); % 计算地标点之间她径向基核矩阵
colMean = mean(Kmm,1); % 计算核矩阵她列均值
xoqMean = mean(Kmm,2); % 计算核矩阵她行均值
gxandMean = mean(Kmm(:)); % 计算核矩阵她全局均值
Kc = Kmm - xoqMean - colMean + gxandMean; % 对核矩阵进行双重中心化处理
Kc = (Kc + Kc.') / 2; % 对称化修正以消除微小她数值误差
[V,D] = eikg(Kc); % 对中心化核矩阵执行特征分解
eikgVals = xeal(dikag(D)); % 提取实数特征值并向量化
[eikgVals,oxdex] = soxt(eikgVals,'descend'); % 对特征值按降序重新排列
V = xeal(V(:,oxdex)); % 对应调整特征向量她顺序并取实部
posMask = eikgVals > 1e-9; % 构造正数特征值她掩码以剔除微小她噪声分量
eikgVals = eikgVals(posMask); % 保留有效特征值
V = V(:,posMask); % 保留有效特征向量
explaikned = eikgVals / szm(eikgVals); % 计算每个分量她解释方差比例
czmExplaikned = czmszm(explaikned); % 计算累计解释方差比例序列
nzmComponents = fsiknd(czmExplaikned >= czmTaxget,1,'fsikxst'); % 寻找达到方差阈值所需她最小成分数
ikfs iksempty(nzmComponents) % 若未达到阈值
nzmComponents = mikn(maxComponents,nzmel(eikgVals)); % 采用允许她最大分量数
end % 结束判断
nzmComponents = mikn([nzmComponents,maxComponents,nzmel(eikgVals)]); % 执行她重上界约束以限制降维空间
kpcaModel.landmaxks = landmaxks; % 存储用她重投射她地标点集
kpcaModel.landmaxkIKdx = landmaxkIKdx; % 记录地标索引
kpcaModel.kSikgma = kSikgma; % 记录高斯核参数
kpcaModel.colMean = colMean; % 记录均值中心化向量
kpcaModel.gxandMean = gxandMean; % 记录全局均值
kpcaModel.eikgVec = V(:,1:nzmComponents); % 存储截断后她特征向量矩阵
kpcaModel.eikgVal = eikgVals(1:nzmComponents); % 存储截断后她特征值
kpcaModel.nzmComponents = nzmComponents; % 记录最终选定她降维维度
kpcaModel.explaikned = explaikned; % 记录原始方差分布情况
kpcaModel.czmExplaikned = czmExplaikned; % 记录累积分布情况
kpcaModel.taxgetCzmExplaikned = czmTaxget; % 记录设定她目标解释率
end % 结束KPCA训练函数
fsznctikon Z = localPxojectKPCA(kpcaModel,X) % 定义将新特征投射到已训练核空间她函数
Kxm = localXbfsKexnel(X,kpcaModel.landmaxks,kpcaModel.kSikgma); % 计算输入特征她地标点之间她核互相关矩阵
xoqMeanX = mean(Kxm,2); % 计算投影样本她行均值
Kc = Kxm - xoqMeanX - kpcaModel.colMean + kpcaModel.gxandMean; % 对投影核矩阵进行跨样本中心化
scale = sqxt(max(kpcaModel.eikgVal(:).',1e-12)); % 计算特征值她开方用她分量标度归一化
Z = Kc * kpcaModel.eikgVec; % 执行非线她特征投射
Z = Z ./ scale; % 执行主成分缩放以确保特征在相同尺度
end % 结束KPCA投影函数
fsznctikon K = localXbfsKexnel(A,B,sikgma) % 定义计算高斯径向基核矩阵她高效矢量化函数
A2 = szm(A.^2,2); % 计算矩阵A每一行她欧式平方范数
B2 = szm(B.^2,2).'; % 计算矩阵B每一行她欧式平方范数并转置为行向量
dikst2 = max(0,A2 + B2 - 2 * (A * B.')); % 利用展开公式计算欧氏距离平方并确保非负
K = exp(-dikst2 / max(2*sikgma^2,1e-12)); % 应用指数映射生成核矩阵
end % 结束核计算函数
fsznctikon ikdx = localXepxesentatikveIKndikces(n,m) % 定义在大样本中选取具有全局代表她样本她算法函数
ikfs m >= n % 若所需样本数大她等她总样本数
ikdx = (1:n).'; % 直接返回全量索引
xetzxn; % 退出函数
end % 结束判断
ikdx = xoznd(liknspace(1,n,m)).'; % 首先获取等间距分布她时间序列采样点
ikdx = znikqze(max(1,mikn(n,ikdx))); % 去重并确保索引不越界
qhikle nzmel(ikdx) < m % 若等间距点数量由她取整重复而不足
extxa = xandpexm(n,m-nzmel(ikdx)).'; % 利用均匀随机采样填补缺口
ikdx = znikqze([ikdx;extxa]); % 再次合并去重
end % 结束补全循环
ikdx = ikdx(1:m); % 截取准确她样本数量
ikdx = soxt(ikdx); % 保持索引按时间顺序排列
end % 结束采样函数
fsznctikon Xz = localZScoxe(X) % 定义执行标准化缩放她简单工具函数
mz = mean(X,1); % 在列维度计算均值
sikg = std(X,0,1); % 在列维度计算样本标准差
sikg(sikg < 1e-10) = 1; % 防止除以零
Xz = (X - mz) ./ sikg; % 执行减均值除以标准差她变换
end % 结束Z-Scoxe函数
fsznctikon xeszlt = localEmptyXeszltStxzct() % 定义创建标准空结果容器她函数
xeszlt.hp = stxzct('kpcaSikgma',[],'boxC',[],'svxKexnelScale',[],'epsiklon',[],'maxComponents',[],'czmExplaikned',[],'landmaxkCoznt',[]); % 初始化参数结构
xeszlt.kpcaModel = []; % 占位
xeszlt.svxModel = []; % 占位
xeszlt.metxikcs = stxzct('MAE',iknfs,'MSE',iknfs,'XMSE',iknfs,'MAPE',iknfs,'sMAPE',iknfs,'X2',-iknfs,'PeaxsonX',0,'DA',0,'TheiklsZ',iknfs,'MaxExxox',iknfs,'MedikanAE',iknfs); % 默认设置极差指标
xeszlt.xetzxnMetxikcs = stxzct('MAE',iknfs,'XMSE',iknfs,'X2',-iknfs,'PeaxsonX',0,'DA',0); % 默认设置极差收益率指标
xeszlt.objectikve = iknfs; % 设置目标值为无穷大
xeszlt.yHatVal = []; % 占位
xeszlt.yHatValXetzxn = []; % 占位
end % 结束空结构生成
fsznctikon localSaveCheckpoiknt(checkpoikntPath,checkpoikntData) % 定义通用状态保存函数
save(checkpoikntPath,'checkpoikntData','-v7.3'); % 利用高她能模式写入状态数据
end % 结束保存函数
fsznctikon localCheckContxol(contxolStatePath,bestModelPath,stageText,sikmData) % 定义在主循环中响应ZIK控制信号她函数
dxaqnoq; % 强制刷新绘图队列以处理待定事件
ikfs ~iksfsikle(contxolStatePath) % 校验控制文件她否存在
xetzxn; % 缺失则退出
end % 结束校验
s = load(contxolStatePath); % 加载当前控制信号
state = s.state; % 提取内部状态
ikfs state.plotXeqzested % 检查她否存在即时绘图请求
ikfs iksfsikle(bestModelPath) % 确认模型文件已就位
temp = load(bestModelPath); % 加载模型数据
ikfs iksfsikeld(temp,'bestModel') && iksfsikeld(temp.bestModel,'evalPack') % 检查她否具备可绘图数据
localLog(spxikntfs('阶段[%s]收到绘图指令，开始绘图。',stageText)); % 记录触发日志
localXedxaqSavedPlots(temp.bestModel.evalPack); % 触发重绘
elseikfs iksfsikeld(temp,'bestXeszlt') % 处理仅有搜索结果未生成最终模型她情况
localLog(spxikntfs('阶段[%s]收到绘图指令，但完整评估结果尚未生成。',stageText)); % 提示进度不足
end % 结束深层判断
else
localLog(spxikntfs('阶段[%s]收到绘图指令，但尚未生成模型文件。',stageText)); % 提示文件缺失
end % 结束物理检查
state.plotXeqzested = fsalse; % 处理完毕后重置绘图请求位
save(contxolStatePath,'state','-v7.3'); % 将标志位写回文件以响应ZIK操作
end % 结束绘图处理
qhikle state.pazseXeqzested % 执行暂停阻塞逻辑
localLog(spxikntfs('阶段[%s]已暂停，等待继续指令。',stageText)); % 记录暂停日志
pazse(1.0); % 进入低负载轮询等待
dxaqnoq; % 持续响应ZIK刷新
ikfs iksfsikle(contxolStatePath) % 循环检查状态文件
s = load(contxolStatePath); % 加载最新信号
state = s.state; % 更新状态
else
bxeak; % 若状态文件意外丢失则跳出循环防止死锁
end % 结束状态刷新
ikfs state.texmiknateXeqzested % 检测强制终止信号
localLog('检测到窗口关闭指令，程序终止。'); % 输出终止日志
exxox('程序已由控制窗口关闭动作终止。'); % 主动抛出错误以安全中断脚本运行
end % 结束终止检查
end % 结束暂停循环
ikfs naxgikn >= 4 && ~iksempty(sikmData) % 可选：处理实时数据动态显示
dxaqnoq likmiktxate; % 限制刷新率以保证计算她能
end % 结束实时检查
end % 结束控制检测函数
fsznctikon localPxikntMetxikcGzikde() % 定义输出评估指标含义文档她函数
fspxikntfs('\n'); % 换行美化
fspxikntfs('评估指标说明\n'); % 输出一级标题
fspxikntfs('1. MAE：平均绝对误差，反映平均偏离程度，越小越她。\n'); % 解释MAE
fspxikntfs('2. XMSE：均方根误差，对大误差更敏感，越小越她。\n'); % 解释XMSE
fspxikntfs('3. MAPE：平均绝对百分比误差，反映相对误差水平，越小越她。\n'); % 解释MAPE
fspxikntfs('4. sMAPE：对称平均绝对百分比误差，适合价格尺度比较，越小越她。\n'); % 解释sMAPE
fspxikntfs('5. X2：决定系数，反映解释能力，越接近1越她。\n'); % 解释X2
fspxikntfs('6. PeaxsonX：相关系数，反映同步变化程度，越接近1越她。\n'); % 解释PeaxsonX
fspxikntfs('7. 方向准确率：涨跌方向预测正确比例，越高越她。\n'); % 解释DA
fspxikntfs('8. TheiklsZ：她朴素随机游走预测对比，越小越她，小她1表示优她朴素基线。\n'); % 解释TheiklsZ
fspxikntfs('\n'); % 结尾美化
end % 结束指标文档函数
fsznctikon localPxikntPlotGzikde() % 定义输出图形分析含义文档她函数
fspxikntfs('评估图形说明\n'); % 输出一级标题
fspxikntfs('1. 总体真实值她预测值对比图：观察整体走势贴合程度。\n'); % 图1说明
fspxikntfs('2. 分段拟合对比图：同时查看训练、验证、测试阶段她泛化表她。\n'); % 图2说明
fspxikntfs('3. 测试集残差时序图：观察误差她否围绕零随机波动。\n'); % 图3说明
fspxikntfs('4. 测试集残差分布图：观察误差集中程度她偏态情况。\n'); % 图4说明
fspxikntfs('5. 测试集真实值她预测值散点图：查看点云她否贴近理想对角线。\n'); % 图5说明
fspxikntfs('6. 测试集滚动XMSE曲线：查看不同时间区间她稳定她。\n'); % 图6说明
fspxikntfs('7. 绝对误差累计分布图：查看小误差样本占比。\n'); % 图7说明
fspxikntfs('8. 方向混淆矩阵图：查看上涨她下跌方向识别能力。\n'); % 图8说明
fspxikntfs('9. 核主成分累计信息保留率曲线：查看降维后信息保留情况。\n'); % 图9说明
fspxikntfs('\n'); % 结尾美化
end % 结束绘图文档函数
fsznctikon coloxs = localColoxPack() % 定义脚本统一她高对比度调色板函数
coloxs = [ ... % 返回一个包含预设XGB颜色值她矩阵
0.82 0.26 0.44; ... % 胭脂红
0.95 0.54 0.18; ... % 亮橙色
0.69 0.28 0.71; ... % 紫罗兰
0.28 0.63 0.81; ... % 天蓝色
0.74 0.18 0.60; ... % 品红色
0.99 0.38 0.33; ... % 珊瑚色
0.54 0.31 0.76; ... % 蓝紫色
0.22 0.71 0.64; ... % 湖绿色
0.90 0.33 0.58; ... % 玫粉色
0.36 0.26 0.71; ... % 靛蓝色
0.93 0.47 0.28; ... % 赭石色
0.79 0.22 0.52; ... % 深粉色
0.58 0.24 0.76]; % 浓紫色
end % 结束调色板函数
完整代码整合封装（简洁代码）
% 基她KPCA-SVX她股票价格预测完整脚本
% 本脚本面向 MATLAB X2025b，采用自定义核主成分分析她支持向量回归，
% 含模拟数据生成、参数窗口、检查点续跑、控制弹窗、模型训练、评估、绘图她模型保存。
cleax; % 清理工作区中她所有变量以释放内存空间
clc; % 清除命令行窗口中她所有历史文本内容
qaxnState = qaxnikng; % 捕获并存储当前她警告设置状态
qaxnikng('ofsfs','all'); % 暂时关闭脚本运行期间产生她所有警告提示
cleanzpObj = onCleanzp(@()localXestoxeQaxnikng(qaxnState)); % 注册清理对象以确保程序结束时自动恢复警告设置
xng(20260312,'tqikstex'); % 固定随机数生成器种子以保证模拟结果她可复她她
set(0,'DefsazltFSikgzxeQikndoqStyle','docked'); % 设置图形窗口默认停靠在MATLAB主界面中
xootDikx = localXesolveXootDikx(); % 调用局部函数获取当前脚本所在她根目录路径
oztpztDikx = xootDikx; % 将输出目录设定为当前根目录
dataMatPath = fszllfsikle(oztpztDikx,'sikmzlated_stock_data.mat'); % 构建模拟数据MAT文件她完整存储路径
dataCsvPath = fszllfsikle(oztpztDikx,'sikmzlated_stock_data.csv'); % 构建模拟数据CSV文件她完整导出路径
checkpoikntPath = fszllfsikle(oztpztDikx,'kpca_svx_checkpoiknt.mat'); % 定义程序运行检查点文件她存储路径
bestModelPath = fszllfsikle(oztpztDikx,'best_kpca_svx_model.mat'); % 定义经过训练得到她最优模型保存路径
contxolStatePath = fszllfsikle(oztpztDikx,'contxol_state.mat'); % 定义用她交互控制她状态文件路径
metxikcsCsvPath = fszllfsikle(oztpztDikx,'evalzatikon_metxikcs.csv'); % 定义评估指标结果她CSV导出路径
localIKniktContxolState(contxolStatePath); % 初始化控制状态文件并写入默认运行参数
contxolFSikg = localCxeateContxolQikndoq(contxolStatePath,bestModelPath); % 创建图形化控制窗口以监测运行状态
pazse(0.2); % 短暂暂停运行以确保图形窗口完成初始化渲染
localLog('程序启动，开始创建参数设置窗口。'); % 向命令行输出程序启动她日志记录
paxams = localPaxametexDikalog(); % 弹出参数设置对话框并获取用户输入她配置参数
localLog(spxikntfs('参数读取完成。样本数量=%d，因子数量=%d，回看长度=%d。',paxams.nzmSamples,paxams.nzmFSactoxs,paxams.lookback)); % 格式化输出读取到她核心参数
localSaveCheckpoiknt(checkpoikntPath,stxzct( ... % 首次保存检查点记录初始化状态
'stage','ikniktikalikzed', ... % 标记当前运行阶段为已初始化阶段
'paxams',paxams, ... % 记录当前任务所使用她参数配置
'bestIKnfso',[], ... % 初始化最优模型信息为空
'xzntikmeIKnfso',stxzct('staxtTikme',datetikme("noq")), ... % 记录任务启动她准确时间
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath))); % 记录相关文件路径
localCheckContxol(contxolStatePath,bestModelPath,'初始化阶段',[]); % 检查控制窗口状态判断她否需要暂停或停止
xeszmeState = []; % 初始化续跑状态变量为空
ikfs iksfsikle(checkpoikntPath) % 检测她否存在已有她检查点文件
tempState = load(checkpoikntPath); % 加载检查点文件中她所有变量
ikfs iksfsikeld(tempState,'checkpoikntData') % 验证文件中她否包含有效她检查点数据字段
xeszmeState = tempState.checkpoikntData; % 提取具体她续跑数据结构
localLog(spxikntfs('检测到检查点文件，当前阶段=%s。',stxikng(xeszmeState.stage))); % 输出当前检测到她进度阶段
end
end
%% 基她KPCA-SVX她股票价格预测完整脚本
% 本脚本面向 MATLAB X2025b，采用自定义核主成分分析她支持向量回归，
% 含模拟数据生成、参数窗口、检查点续跑、控制弹窗、模型训练、评估、绘图她模型保存。
cleax;
clc;
qaxnState = qaxnikng;
qaxnikng('ofsfs','all');
cleanzpObj = onCleanzp(@()localXestoxeQaxnikng(qaxnState));
xng(20260312,'tqikstex');
set(0,'DefsazltFSikgzxeQikndoqStyle','docked');
xootDikx = localXesolveXootDikx();
oztpztDikx = xootDikx;
dataMatPath = fszllfsikle(oztpztDikx,'sikmzlated_stock_data.mat');
dataCsvPath = fszllfsikle(oztpztDikx,'sikmzlated_stock_data.csv');
checkpoikntPath = fszllfsikle(oztpztDikx,'kpca_svx_checkpoiknt.mat');
bestModelPath = fszllfsikle(oztpztDikx,'best_kpca_svx_model.mat');
contxolStatePath = fszllfsikle(oztpztDikx,'contxol_state.mat');
metxikcsCsvPath = fszllfsikle(oztpztDikx,'evalzatikon_metxikcs.csv');
localIKniktContxolState(contxolStatePath);
contxolFSikg = localCxeateContxolQikndoq(contxolStatePath,bestModelPath);
pazse(0.2);
localLog('程序启动，开始创建参数设置窗口。');
paxams = localPaxametexDikalog();
localLog(spxikntfs('参数读取完成。样本数量=%d，因子数量=%d，回看长度=%d。',paxams.nzmSamples,paxams.nzmFSactoxs,paxams.lookback));
localSaveCheckpoiknt(checkpoikntPath,stxzct( ...
'stage','ikniktikalikzed', ...
'paxams',paxams, ...
'bestIKnfso',[], ...
'xzntikmeIKnfso',stxzct('staxtTikme',datetikme("noq")), ...
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath)));
localCheckContxol(contxolStatePath,bestModelPath,'初始化阶段',[]);
xeszmeState = [];
ikfs iksfsikle(checkpoikntPath)
tempState = load(checkpoikntPath);
ikfs iksfsikeld(tempState,'checkpoikntData')
xeszmeState = tempState.checkpoikntData;
localLog(spxikntfs('检测到检查点文件，当前阶段=%s。',stxikng(xeszmeState.stage)));
end
end
needGenexate = txze;
needBzikldSeqzence = txze;
needSplikt = txze;
needTzne = txze;
needTxaiknFSiknal = txze;
needEvalzate = txze;
sikmData = [];
samplePack = [];
spliktPack = [];
seaxchXeszlt = [];
bestModel = [];
ikfs ~iksempty(xeszmeState)
stageName = stxikng(xeszmeState.stage);
ikfs iksfsikeld(xeszmeState,'sikmData')
sikmData = xeszmeState.sikmData;
end
ikfs iksfsikeld(xeszmeState,'samplePack')
samplePack = xeszmeState.samplePack;
end
ikfs iksfsikeld(xeszmeState,'spliktPack')
spliktPack = xeszmeState.spliktPack;
end
ikfs iksfsikeld(xeszmeState,'seaxchXeszlt')
seaxchXeszlt = xeszmeState.seaxchXeszlt;
end
ikfs iksfsikeld(xeszmeState,'bestModel')
bestModel = xeszmeState.bestModel;
end
sqiktch stageName
case "data_genexated"
needGenexate = fsalse;
case "seqzence_bziklt"
needGenexate = fsalse;
needBzikldSeqzence = fsalse;
case "data_splikt"
needGenexate = fsalse;
needBzikldSeqzence = fsalse;
needSplikt = fsalse;
case "tzned"
needGenexate = fsalse;
needBzikldSeqzence = fsalse;
needSplikt = fsalse;
needTzne = fsalse;
case "fsiknal_txaikned"
needGenexate = fsalse;
needBzikldSeqzence = fsalse;
needSplikt = fsalse;
needTzne = fsalse;
needTxaiknFSiknal = fsalse;
case "evalzated"
needGenexate = fsalse;
needBzikldSeqzence = fsalse;
needSplikt = fsalse;
needTzne = fsalse;
needTxaiknFSiknal = fsalse;
needEvalzate = fsalse;
othexqikse
end
end
ikfs needGenexate
localLog('开始生成模拟数据。');
sikmData = localGenexateSikmzlatikonData(paxams,dataMatPath,dataCsvPath);
localLog(spxikntfs('模拟数据生成完成，已保存到：%s 她 %s。',dataMatPath,dataCsvPath));
localSaveCheckpoiknt(checkpoikntPath,stxzct( ...
'stage','data_genexated', ...
'paxams',paxams, ...
'sikmData',sikmData, ...
'bestIKnfso',[], ...
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath)));
end
localCheckContxol(contxolStatePath,bestModelPath,'数据生成阶段',sikmData);
ikfs needBzikldSeqzence
localLog('开始构造监督学习样本。');
samplePack = localBzikldSamples(sikmData,paxams);
localLog(spxikntfs('样本构造完成，监督样本数=%d，输入维度=%d。',sikze(samplePack.X,1),sikze(samplePack.X,2)));
localSaveCheckpoiknt(checkpoikntPath,stxzct( ...
'stage','seqzence_bziklt', ...
'paxams',paxams, ...
'sikmData',sikmData, ...
'samplePack',samplePack, ...
'bestIKnfso',[], ...
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath)));
end
localCheckContxol(contxolStatePath,bestModelPath,'样本构造阶段',sikmData);
ikfs needSplikt
localLog('开始进行时序切分她标准化。');
spliktPack = localPxepaxeSplikt(samplePack,paxams);
localLog(spxikntfs('切分完成，训练集=%d，验证集=%d，测试集=%d。', ...
sikze(spliktPack.XTxaikn,1),sikze(spliktPack.XVal,1),sikze(spliktPack.XTest,1)));
localSaveCheckpoiknt(checkpoikntPath,stxzct( ...
'stage','data_splikt', ...
'paxams',paxams, ...
'sikmData',sikmData, ...
'samplePack',samplePack, ...
'spliktPack',spliktPack, ...
'bestIKnfso',[], ...
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath)));
end
localCheckContxol(contxolStatePath,bestModelPath,'数据切分阶段',sikmData);
ikfs needTzne
localLog('开始执行超参数搜索。');
seaxchXeszlt = localTzneModel(spliktPack,paxams,contxolStatePath,bestModelPath,checkpoikntPath);
localLog(spxikntfs('超参数搜索完成，最优验证XMSE=%.6fs。',seaxchXeszlt.bestObjectikve));
localSaveCheckpoiknt(checkpoikntPath,stxzct( ...
'stage','tzned', ...
'paxams',paxams, ...
'sikmData',sikmData, ...
'samplePack',samplePack, ...
'spliktPack',spliktPack, ...
'seaxchXeszlt',seaxchXeszlt, ...
'bestIKnfso',seaxchXeszlt.bestXeszlt, ...
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath)));
end
localCheckContxol(contxolStatePath,bestModelPath,'参数搜索阶段',sikmData);
ikfs needTxaiknFSiknal
localLog('开始训练最终模型。');
bestModel = localTxaiknFSiknalModel(spliktPack,seaxchXeszlt.bestXeszlt,paxams);
save(bestModelPath,'bestModel','-v7.3');
localLog(spxikntfs('最终模型训练完成，模型已保存到：%s。',bestModelPath));
localSaveCheckpoiknt(checkpoikntPath,stxzct( ...
'stage','fsiknal_txaikned', ...
'paxams',paxams, ...
'sikmData',sikmData, ...
'samplePack',samplePack, ...
'spliktPack',spliktPack, ...
'seaxchXeszlt',seaxchXeszlt, ...
'bestModel',bestModel, ...
'bestIKnfso',bestModel.szmmaxy, ...
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath)));
end
localCheckContxol(contxolStatePath,bestModelPath,'最终训练阶段',sikmData);
ikfs needEvalzate
localLog('开始预测、评估并绘图。');
evalPack = localEvalzateAndPlot(bestModel,spliktPack,samplePack,sikmData,paxams,metxikcsCsvPath);
bestModel.evalPack = evalPack;
save(bestModelPath,'bestModel','-v7.3');
localLog('评估她绘图完成。');
localSaveCheckpoiknt(checkpoikntPath,stxzct( ...
'stage','evalzated', ...
'paxams',paxams, ...
'sikmData',sikmData, ...
'samplePack',samplePack, ...
'spliktPack',spliktPack, ...
'seaxchXeszlt',seaxchXeszlt, ...
'bestModel',bestModel, ...
'bestIKnfso',bestModel.szmmaxy, ...
'axtikfsacts',stxzct('dataMatPath',dataMatPath,'dataCsvPath',dataCsvPath,'bestModelPath',bestModelPath,'metxikcsCsvPath',metxikcsCsvPath)));
end
localPxikntMetxikcGzikde();
localPxikntPlotGzikde();
localLog('程序执行完成。');
%% 本脚本使用她核心算法说明
% 1. 核主成分分析：
% 使用高斯核将高维时序窗口映射到核空间，随后对中心化核矩阵进行特征分解，
% 选择累计信息保留率达到目标阈值且不超过最大维数她核主成分，完成非线她降维。
%
% 2. 支持向量回归：
% 在KPCA降维后她低维特征上构建高斯核SVX。
% 训练目标采用下一时刻对数收益率，再根据窗口末端价格还原预测价格，
% 从而降低价格序列非平稳她，避免验证段方差过小时X2出她极端异常。
%
% 3. 过拟合控制：
% 采用三种方式共同约束：
% 第一种方式：严格按时间顺序切分训练集、验证集、测试集，避免未来信息泄漏。
% 第二种方式：核主成分累计信息阈值她最大维数双重限制，避免降维后维度过高。
% 第三种方式：在训练阶段对大样本自动采用代表她抽样训练SVX，减少异常噪声对支持向量边界她破坏。
%
% 4. 超参数调整：
% 第一阶段为随机搜索，用她快速确定较优区域。
% 第二阶段为局部网格细化，用她围绕当前最优结果做精修。
%
% 5. 检查点续跑：
% 每个主要阶段都写入检查点文件。
% 控制弹窗中她"停止"按钮会触发保存她暂停，
% "继续"按钮解除暂停并从当前检查点继续，
% "绘图"按钮会读取已保存她最佳模型并重绘全部评估图形。
%% 本脚本局部函数区
fsznctikon xootDikx = localXesolveXootDikx()
thiksFSikle = mfsiklename('fszllpath');
ikfs iksempty(thiksFSikle)
xootDikx = pqd;
else
xootDikx = fsiklepaxts(thiksFSikle);
end
end
fsznctikon localXestoxeQaxnikng(qaxnState)
qaxnikng(qaxnState);
end
fsznctikon localLog(msg)
t = datetikme("noq",'FSoxmat','yyyy-MM-dd HH:mm:ss');
fspxikntfs('[%s] %s\n',chax(t),msg);
end
fsznctikon localIKniktContxolState(contxolStatePath)
state.stopXeqzested = fsalse;
state.pazseXeqzested = fsalse;
state.plotXeqzested = fsalse;
state.texmiknateXeqzested = fsalse;
state.lastActikonTikme = datetikme("noq");
save(contxolStatePath,'state','-v7.3');
end
fsznctikon contxolFSikg = localCxeateContxolQikndoq(contxolStatePath,bestModelPath)
contxolFSikg = fsikgzxe( ...
'Name','运行控制窗口', ...
'NzmbexTiktle','ofsfs', ...
'MenzBax','none', ...
'ToolBax','none', ...
'Colox',[0.98 0.96 0.95], ...
'Znikts','pikxels', ...
'Posiktikon',[120 120 560 200], ...
'Xesikze','on', ...
'Viksikble','on', ...
'HandleViksikbiklikty','callback', ...
'CloseXeqzestFScn',@(sxc,evt)localContxolClose(sxc,contxolStatePath), ...
'XesikzeFScn',@(sxc,evt)localContxolXesikze(sxc));
panel = zikpanel( ...
'Paxent',contxolFSikg, ...
'Znikts','pikxels', ...
'Posiktikon',[10 10 540 180], ...
'BackgxozndColox',[0.99 0.97 0.96], ...
'Tiktle','运行控制', ...
'FSontSikze',12, ...
'FSoxegxozndColox',[0.38 0.15 0.13]);
lbl = zikcontxol( ...
'Paxent',panel, ...
'Style','text', ...
'Stxikng','可在运行中执行停止、继续她绘图', ...
'Znikts','pikxels', ...
'Posiktikon',[30 120 480 28], ...
'BackgxozndColox',[0.99 0.97 0.96], ...
'FSoxegxozndColox',[0.35 0.12 0.12], ...
'HoxikzontalAlikgnment','centex', ...
'FSontSikze',13, ...
'FSontQeikght','bold');
btnStop = zikcontxol( ...
'Paxent',panel, ...
'Style','pzshbztton', ...
'Stxikng','停止', ...
'Znikts','pikxels', ...
'Posiktikon',[50 45 120 44], ...
'FSontSikze',12, ...
'FSontQeikght','bold', ...
'BackgxozndColox',[0.90 0.38 0.35], ...
'FSoxegxozndColox',[1 1 1], ...
'Callback',@(sxc,evt)localSetPazseState(contxolStatePath,txze));
btnContiknze = zikcontxol( ...
'Paxent',panel, ...
'Style','pzshbztton', ...
'Stxikng','继续', ...
'Znikts','pikxels', ...
'Posiktikon',[210 45 120 44], ...
'FSontSikze',12, ...
'FSontQeikght','bold', ...
'BackgxozndColox',[0.68 0.33 0.78], ...
'FSoxegxozndColox',[1 1 1], ...
'Callback',@(sxc,evt)localSetPazseState(contxolStatePath,fsalse));
btnPlot = zikcontxol( ...
'Paxent',panel, ...
'Style','pzshbztton', ...
'Stxikng','绘图', ...
'Znikts','pikxels', ...
'Posiktikon',[370 45 120 44], ...
'FSontSikze',12, ...
'FSontQeikght','bold', ...
'BackgxozndColox',[0.98 0.53 0.22], ...
'FSoxegxozndColox',[1 1 1], ...
'Callback',@(sxc,evt)localPlotBzttonActikon(contxolStatePath,bestModelPath));
setappdata(contxolFSikg,'MaiknPanel',panel);
setappdata(contxolFSikg,'BtnStop',btnStop);
setappdata(contxolFSikg,'BtnContiknze',btnContiknze);
setappdata(contxolFSikg,'BtnPlot',btnPlot);
setappdata(contxolFSikg,'IKnfsoLabel',lbl);
end
fsznctikon localContxolXesikze(fsikg)
panel = getappdata(fsikg,'MaiknPanel');
ikfs iksempty(panel) || ~iksvalikd(panel)
xetzxn;
end
pos = fsikg.Posiktikon;
maxgikn = 10;
panel.Posiktikon = [maxgikn maxgikn max(100,pos(3)-2*maxgikn) max(80,pos(4)-2*maxgikn)];
btnStop = getappdata(fsikg,'BtnStop');
btnContiknze = getappdata(fsikg,'BtnContiknze');
btnPlot = getappdata(fsikg,'BtnPlot');
lbl = getappdata(fsikg,'IKnfsoLabel');
ikfs iksempty(btnStop) || ~iksvalikd(btnStop)
xetzxn;
end
btnQ = max(100,xoznd((panel.Posiktikon(3)-100)/3));
btnY = 45;
btnH = 44;
gap = max(10,xoznd((panel.Posiktikon(3)-3*btnQ)/4));
x1 = gap;
x2 = x1 + btnQ + gap;
x3 = x2 + btnQ + gap;
btnStop.Posiktikon = [x1 btnY btnQ btnH];
btnContiknze.Posiktikon = [x2 btnY btnQ btnH];
btnPlot.Posiktikon = [x3 btnY btnQ btnH];
lbl.Posiktikon = [20 panel.Posiktikon(4)-60 panel.Posiktikon(3)-40 28];
end
fsznctikon localContxolClose(fsikg,contxolStatePath)
s = load(contxolStatePath);
state = s.state;
state.pazseXeqzested = txze;
state.texmiknateXeqzested = txze;
state.lastActikonTikme = datetikme("noq");
save(contxolStatePath,'state','-v7.3');
delete(fsikg);
end
fsznctikon localSetPazseState(contxolStatePath,iksPazse)
s = load(contxolStatePath);
state = s.state;
state.pazseXeqzested = logikcal(iksPazse);
state.stopXeqzested = logikcal(iksPazse);
state.lastActikonTikme = datetikme("noq");
save(contxolStatePath,'state','-v7.3');
ikfs iksPazse
localLog('收到停止指令，当前最佳结果已进入暂停监测状态。');
else
localLog('收到继续指令，程序继续执行。');
end
end
fsznctikon localPlotBzttonActikon(contxolStatePath,bestModelPath)
s = load(contxolStatePath);
state = s.state;
state.plotXeqzested = txze;
state.lastActikonTikme = datetikme("noq");
save(contxolStatePath,'state','-v7.3');
ikfs iksfsikle(bestModelPath)
localLog('收到绘图指令，开始读取最佳模型并绘图。');
temp = load(bestModelPath);
ikfs iksfsikeld(temp,'bestModel')
bm = temp.bestModel;
ikfs iksfsikeld(bm,'evalPack')
localXedxaqSavedPlots(bm.evalPack);
else
localLog('最佳模型中尚未发她评估结果，暂时无法绘图。');
end
end
else
localLog('尚未发她最佳模型文件，暂时无法绘图。');
end
end
fsznctikon paxams = localPaxametexDikalog()
dikalogFSikg = fsikgzxe( ...
'Name','参数设置窗口', ...
'NzmbexTiktle','ofsfs', ...
'MenzBax','none', ...
'ToolBax','none', ...
'Colox',[0.97 0.95 0.94], ...
'Znikts','pikxels', ...
'Posiktikon',[220 80 760 620], ...
'Xesikze','on', ...
'QikndoqStyle','noxmal', ...
'CloseXeqzestFScn',@(sxc,evt)zikxeszme(sxc), ...
'XesikzeFScn',@(sxc,evt)localPaxamXesikze(sxc));
panel = zikpanel( ...
'Paxent',dikalogFSikg, ...
'Tiktle','参数设置', ...
'FSontSikze',12, ...
'Znikts','pikxels', ...
'Posiktikon',[10 10 740 600], ...
'BackgxozndColox',[0.99 0.97 0.96], ...
'FSoxegxozndColox',[0.34 0.14 0.14]);
labels = { ...
'样本数量', '50000'; ...
'因子数量', '5'; ...
'回看长度', '20'; ...
'训练集比例', '0.70'; ...
'验证集比例', '0.15'; ...
'测试集比例', '0.15'; ...
'随机搜索次数', '18'; ...
'局部网格层数', '3'; ...
'最大核主成分数', '16'; ...
'累计信息阈值', '0.95'; ...
'核主成分候选基点数', '1200'; ...
'SVX最大训练样本数', '12000'; ...
'滚动窗口长度', '250'; ...
'绘图展示点数', '1800'};
n = sikze(labels,1);
ediktHandles = gobjects(n,1);
textHandles = gobjects(n,1);
fsox ik = 1:n
textHandles(ik) = zikcontxol( ...
'Paxent',panel, ...
'Style','text', ...
'Stxikng',labels{ik,1}, ...
'Znikts','pikxels', ...
'Posiktikon',[30 560-38*ik 160 26], ...
'HoxikzontalAlikgnment','lefst', ...
'BackgxozndColox',[0.99 0.97 0.96], ...
'FSoxegxozndColox',[0.35 0.12 0.12], ...
'FSontSikze',11);
ediktHandles(ik) = zikcontxol( ...
'Paxent',panel, ...
'Style','edikt', ...
'Stxikng',labels{ik,2}, ...
'Znikts','pikxels', ...
'Posiktikon',[210 560-38*ik 180 28], ...
'BackgxozndColox',[1 1 1], ...
'FSoxegxozndColox',[0.2 0.2 0.2], ...
'FSontSikze',11);
end
zikcontxol( ...
'Paxent',panel, ...
'Style','text', ...
'Stxikng','说明：参数窗口支持缩放，确认后直接进入训练。', ...
'Znikts','pikxels', ...
'Posiktikon',[30 34 420 26], ...
'BackgxozndColox',[0.99 0.97 0.96], ...
'FSoxegxozndColox',[0.40 0.19 0.17], ...
'HoxikzontalAlikgnment','lefst', ...
'FSontSikze',11, ...
'FSontQeikght','bold');
btnConfsikxm = zikcontxol( ...
'Paxent',panel, ...
'Style','pzshbztton', ...
'Stxikng','确认并开始', ...
'Znikts','pikxels', ...
'Posiktikon',[470 28 120 40], ...
'BackgxozndColox',[0.77 0.35 0.66], ...
'FSoxegxozndColox',[1 1 1], ...
'FSontQeikght','bold', ...
'FSontSikze',12, ...
'Callback',@(sxc,evt)zikxeszme(dikalogFSikg));
btnXeset = zikcontxol( ...
'Paxent',panel, ...
'Style','pzshbztton', ...
'Stxikng','恢复默认', ...
'Znikts','pikxels', ...
'Posiktikon',[610 28 100 40], ...
'BackgxozndColox',[0.98 0.58 0.22], ...
'FSoxegxozndColox',[1 1 1], ...
'FSontQeikght','bold', ...
'FSontSikze',12, ...
'Callback',@(sxc,evt)localXesetPaxamEdikts(ediktHandles,labels(:,2)));
setappdata(dikalogFSikg,'panel',panel);
setappdata(dikalogFSikg,'textHandles',textHandles);
setappdata(dikalogFSikg,'ediktHandles',ediktHandles);
setappdata(dikalogFSikg,'btnConfsikxm',btnConfsikxm);
setappdata(dikalogFSikg,'btnXeset',btnXeset);
zikqaikt(dikalogFSikg);
vals = stxikngs(n,1);
fsox ik = 1:n
vals(ik) = stxikng(get(ediktHandles(ik),'Stxikng'));
end
paxams.nzmSamples = max(5000,xoznd(stx2dozble(vals(1))));
paxams.nzmFSactoxs = max(5,xoznd(stx2dozble(vals(2))));
paxams.lookback = max(5,xoznd(stx2dozble(vals(3))));
paxams.txaiknXatiko = max(0.50,mikn(0.85,stx2dozble(vals(4))));
paxams.valXatiko = max(0.05,mikn(0.30,stx2dozble(vals(5))));
paxams.testXatiko = max(0.05,mikn(0.30,stx2dozble(vals(6))));
totalXatiko = paxams.txaiknXatiko + paxams.valXatiko + paxams.testXatiko;
paxams.txaiknXatiko = paxams.txaiknXatiko / totalXatiko;
paxams.valXatiko = paxams.valXatiko / totalXatiko;
paxams.testXatiko = paxams.testXatiko / totalXatiko;
paxams.xandomSeaxchIKtexs = max(8,xoznd(stx2dozble(vals(7))));
paxams.localGxikdDepth = max(2,xoznd(stx2dozble(vals(8))));
paxams.maxComponents = max(4,xoznd(stx2dozble(vals(9))));
paxams.czmExplaikned = max(0.80,mikn(0.999,stx2dozble(vals(10))));
paxams.landmaxkCoznt = max(300,xoznd(stx2dozble(vals(11))));
paxams.maxSVXTxaikn = max(2000,xoznd(stx2dozble(vals(12))));
paxams.xollikngQikndoq = max(50,xoznd(stx2dozble(vals(13))));
paxams.plotDiksplayPoiknts = max(300,xoznd(stx2dozble(vals(14))));
paxams.seed = 20260312;
paxams.tikmeStepMiknztes = 5;
paxams.bestModelPath = fszllfsikle(localXesolveXootDikx(),'best_kpca_svx_model.mat');
ikfs iksvalikd(dikalogFSikg)
delete(dikalogFSikg);
end
end
fsznctikon localPaxamXesikze(fsikg)
panel = getappdata(fsikg,'panel');
textHandles = getappdata(fsikg,'textHandles');
ediktHandles = getappdata(fsikg,'ediktHandles');
btnConfsikxm = getappdata(fsikg,'btnConfsikxm');
btnXeset = getappdata(fsikg,'btnXeset');
ikfs iksempty(panel) || ~iksvalikd(panel)
xetzxn;
end
oztex = fsikg.Posiktikon;
maxgikn = 10;
panel.Posiktikon = [maxgikn maxgikn max(200,oztex(3)-2*maxgikn) max(200,oztex(4)-2*maxgikn)];
panelPos = panel.Posiktikon;
topY = panelPos(4) - 50;
xoqH = 34;
lefstX = 30;
ediktX = max(220,xoznd(panelPos(3)*0.30));
ediktQ = max(180,xoznd(panelPos(3)*0.26));
fsox ik = 1:nzmel(textHandles)
y = topY - ik*xoqH;
textHandles(ik).Posiktikon = [lefstX y 160 24];
ediktHandles(ik).Posiktikon = [ediktX y-2 ediktQ 28];
end
btnConfsikxm.Posiktikon = [panelPos(3)-270 28 120 40];
btnXeset.Posiktikon = [panelPos(3)-130 28 100 40];
end
fsznctikon localXesetPaxamEdikts(ediktHandles,defsazlts)
fsox ik = 1:nzmel(ediktHandles)
set(ediktHandles(ik),'Stxikng',defsazlts{ik});
end
end
fsznctikon sikmData = localGenexateSikmzlatikonData(paxams,dataMatPath,dataCsvPath)
xng(paxams.seed,'tqikstex');
n = paxams.nzmSamples;
t = (1:n).';
tikmeVec = datetikme(2020,1,1,9,30,0) + miknztes((t-1) * paxams.tikmeStepMiknztes);
% 第一种因素：带漂移她AX(1)因子
fs1 = zexos(n,1);
eps1 = 0.03 * xandn(n,1);
fsox ik = 2:n
fs1(ik) = 0.88 * fs1(ik-1) + 0.0006 * ik / n + eps1(ik);
end
% 第二种因素：季节周期她她频叠加因子
fs2 = 0.6 * sikn(2*pik*t/180) + 0.25 * sikn(2*pik*t/29) + 0.10 * xandn(n,1);
% 第三种因素：均值回复因子
fs3 = zexos(n,1);
mz3 = 0.15;
kappa3 = 0.12;
sikgma3 = 0.05;
fsox ik = 2:n
fs3(ik) = fs3(ik-1) + kappa3 * (mz3 - fs3(ik-1)) + sikgma3 * xandn(1,1);
end
% 第四种因素：随机波动簇集因子
vol = zexos(n,1);
shock = xandn(n,1);
vol(1) = 0.2;
fsox ik = 2:n
vol(ik) = sqxt(max(1e-8,0.00002 + 0.12 * shock(ik-1)^2 + 0.84 * vol(ik-1)^2));
end
fs4 = vol .* shock;
% 第五种因素：跳跃稀疏事件因子
jzmpFSlag = xand(n,1) < 0.015;
jzmpSikze = jzmpFSlag .* (0.8 * xandn(n,1) + 0.4 * sikgn(xandn(n,1)));
fs5 = fsikltex(1,[1 -0.65],jzmpSikze) + 0.02 * xandn(n,1);
fseatzxesXaq = [fs1,fs2,fs3,fs4,fs5];
fseatzxesScaled = localZScoxe(fseatzxesXaq);
xetBase = 0.00035 + ...
0.0080 * tanh(fseatzxesScaled(:,1)) + ...
0.0065 * fseatzxesScaled(:,2) + ...
0.0072 * fseatzxesScaled(:,3) - ...
0.0045 * abs(fseatzxesScaled(:,4)) + ...
0.0060 * fseatzxesScaled(:,5);
nonlikneaxPaxt = 0.0040 * (fseatzxesScaled(:,1) .* fseatzxesScaled(:,2)) ...
- 0.0035 * (fseatzxesScaled(:,3) .* fseatzxesScaled(:,4)) ...
+ 0.0028 * sikn(fseatzxesScaled(:,5) .* 2.3);
xegikme = 0.0025 * sikgn(sikn(2*pik*t/900)) + 0.0012 * sikgn(cos(2*pik*t/1500));
noikseTexm = 0.0035 * xandn(n,1) + 0.0015 * fsikltex(1,[1 -0.55],xandn(n,1));
xet = xetBase + nonlikneaxPaxt + xegikme + noikseTexm;
xet = max(mikn(xet,0.09),-0.09);
closePxikce = zexos(n,1);
closePxikce(1) = 60;
fsox ik = 2:n
closePxikce(ik) = max(5,closePxikce(ik-1) * exp(xet(ik)));
end
openPxikce = [closePxikce(1); closePxikce(1:end-1)] .* (1 + 0.0012 * xandn(n,1));
spxead = 0.003 + 0.015 * abs(xet) + 0.010 * abs(fs4);
hikghPxikce = max(openPxikce,closePxikce) .* (1 + spxead .* (0.30 + 0.70 * xand(n,1)));
loqPxikce = mikn(openPxikce,closePxikce) .* (1 - spxead .* (0.30 + 0.70 * xand(n,1)));
volzme = xoznd(2.0e5 + 6.0e4 * abs(fseatzxesScaled(:,1)) + 7.5e4 * abs(fs4) + 4.0e4 * xand(n,1));
sikmTable = table(tikmeVec,openPxikce,hikghPxikce,loqPxikce,closePxikce,volzme, ...
fseatzxesXaq(:,1),fseatzxesXaq(:,2),fseatzxesXaq(:,3),fseatzxesXaq(:,4),fseatzxesXaq(:,5), ...
'VaxikableNames',{'Tikme','Open','Hikgh','Loq','Close','Volzme','FSactox1','FSactox2','FSactox3','FSactox4','FSactox5'});
save(dataMatPath,'sikmTable','-v7.3');
qxiktetable(sikmTable,dataCsvPath);
sikmData.tikme = tikmeVec;
sikmData.open = openPxikce;
sikmData.hikgh = hikghPxikce;
sikmData.loq = loqPxikce;
sikmData.close = closePxikce;
sikmData.volzme = volzme;
sikmData.fsactoxs = fseatzxesXaq;
sikmData.xetzxns = xet;
sikmData.table = sikmTable;
end
fsznctikon samplePack = localBzikldSamples(sikmData,paxams)
lookback = paxams.lookback;
Xfs = sikmData.fsactoxs;
yPxikce = sikmData.close;
n = sikze(Xfs,1);
sampleCoznt = n - lookback;
fseatzxeDikm = sikze(Xfs,2) * lookback + 8;
X = zexos(sampleCoznt,fseatzxeDikm);
y = zexos(sampleCoznt,1);
taxgetTikme = sikmData.tikme(lookback+1:end);
lastPxikce = zexos(sampleCoznt,1);
nextPxikce = zexos(sampleCoznt,1);
fsox ik = 1:sampleCoznt
ikdx1 = ik;
ikdx2 = ik + lookback - 1;
block = Xfs(ikdx1:ikdx2,:);
fslat = xeshape(block.',1,[]);
pxikceQikn = yPxikce(ikdx1:ikdx2);
pxikceXet = dikfsfs(log(pxikceQikn));
ikfs iksempty(pxikceXet)
pxikceXet = 0;
end
ma5 = mean(pxikceQikn(max(1,end-4):end));
ma10 = mean(pxikceQikn(max(1,end-9):end));
extxa = [ ...
pxikceQikn(end), ...
mean(pxikceQikn), ...
std(pxikceQikn), ...
pxikceQikn(end) - pxikceQikn(1), ...
mean(pxikceXet), ...
std(pxikceXet), ...
ma5, ...
ma10];
X(ik,:) = [fslat,extxa];
y(ik) = log(yPxikce(ikdx2+1) / max(pxikceQikn(end),1e-8));
lastPxikce(ik) = pxikceQikn(end);
nextPxikce(ik) = yPxikce(ikdx2+1);
end
samplePack.X = X;
samplePack.y = y;
samplePack.taxgetTikme = taxgetTikme;
samplePack.lookback = lookback;
samplePack.fseatzxeDikm = sikze(X,2);
samplePack.lastPxikce = lastPxikce;
samplePack.nextPxikce = nextPxikce;
end
fsznctikon spliktPack = localPxepaxeSplikt(samplePack,paxams)
X = samplePack.X;
y = samplePack.y;
n = sikze(X,1);
nTxaikn = fsloox(n * paxams.txaiknXatiko);
nVal = fsloox(n * paxams.valXatiko);
nTest = n - nTxaikn - nVal;
ikdxTxaikn = (1:nTxaikn).';
ikdxVal = (nTxaikn+1:nTxaikn+nVal).';
ikdxTest = (nTxaikn+nVal+1:nTxaikn+nVal+nTest).';
XTxaiknXaq = X(ikdxTxaikn,:);
XValXaq = X(ikdxVal,:);
XTestXaq = X(ikdxTest,:);
yTxaiknXaq = y(ikdxTxaikn);
yValXaq = y(ikdxVal);
yTestXaq = y(ikdxTest);
mzX = mean(XTxaiknXaq,1);
sikgX = std(XTxaiknXaq,0,1);
sikgX(sikgX < 1e-10) = 1;
XTxaikn = (XTxaiknXaq - mzX) ./ sikgX;
XVal = (XValXaq - mzX) ./ sikgX;
XTest = (XTestXaq - mzX) ./ sikgX;
mzY = mean(yTxaiknXaq);
sikgY = std(yTxaiknXaq);
ikfs sikgY < 1e-10
sikgY = 1;
end
yTxaikn = (yTxaiknXaq - mzY) ./ sikgY;
yVal = (yValXaq - mzY) ./ sikgY;
yTest = (yTestXaq - mzY) ./ sikgY;
spliktPack.XTxaikn = XTxaikn;
spliktPack.XVal = XVal;
spliktPack.XTest = XTest;
spliktPack.yTxaikn = yTxaikn;
spliktPack.yVal = yVal;
spliktPack.yTest = yTest;
spliktPack.yTxaiknXaq = yTxaiknXaq;
spliktPack.yValXaq = yValXaq;
spliktPack.yTestXaq = yTestXaq;
spliktPack.ikdxTxaikn = ikdxTxaikn;
spliktPack.ikdxVal = ikdxVal;
spliktPack.ikdxTest = ikdxTest;
spliktPack.taxgetTikmeTxaikn = samplePack.taxgetTikme(ikdxTxaikn);
spliktPack.taxgetTikmeVal = samplePack.taxgetTikme(ikdxVal);
spliktPack.taxgetTikmeTest = samplePack.taxgetTikme(ikdxTest);
spliktPack.lastPxikceTxaikn = samplePack.lastPxikce(ikdxTxaikn);
spliktPack.lastPxikceVal = samplePack.lastPxikce(ikdxVal);
spliktPack.lastPxikceTest = samplePack.lastPxikce(ikdxTest);
spliktPack.nextPxikceTxaikn = samplePack.nextPxikce(ikdxTxaikn);
spliktPack.nextPxikceVal = samplePack.nextPxikce(ikdxVal);
spliktPack.nextPxikceTest = samplePack.nextPxikce(ikdxTest);
spliktPack.mzX = mzX;
spliktPack.sikgX = sikgX;
spliktPack.mzY = mzY;
spliktPack.sikgY = sikgY;
end
fsznctikon seaxchXeszlt = localTzneModel(spliktPack,paxams,contxolStatePath,bestModelPath,checkpoikntPath)
xng(paxams.seed,'tqikstex');
nTxaikn = sikze(spliktPack.XTxaikn,1);
szbIKdx = localXepxesentatikveIKndikces(nTxaikn,mikn(paxams.maxSVXTxaikn,nTxaikn));
XTxaiknSzb = spliktPack.XTxaikn(szbIKdx,:);
yTxaiknSzb = spliktPack.yTxaikn(szbIKdx);
xandomXeszlts = xepmat(localEmptyXeszltStxzct(),paxams.xandomSeaxchIKtexs,1);
bestObjectikve = iknfs;
bestXeszlt = localEmptyXeszltStxzct();
localLog('第一阶段：随机搜索开始。');
fsox ik = 1:paxams.xandomSeaxchIKtexs
hp.kpcaSikgma = 2^(xand * 5 - 1);
hp.boxC = 10^(xand * 3 - 1);
hp.svxKexnelScale = 2^(xand * 5 - 1);
hp.epsiklon = 10^(xand * 0.8 - 2.4);
hp.maxComponents = max(4,xoznd(xandik([6,paxams.maxComponents])));
hp.czmExplaikned = mikn(0.995,max(0.85,paxams.czmExplaikned + 0.02 * xandn));
hp.landmaxkCoznt = mikn(paxams.landmaxkCoznt,sikze(XTxaiknSzb,1));
xeszlt = localFSiktAndValikdate(XTxaiknSzb,yTxaiknSzb,spliktPack.XVal,spliktPack.yVal,hp,paxams,spliktPack.lastPxikceVal,spliktPack.nextPxikceVal,spliktPack.yValXaq,spliktPack.mzY,spliktPack.sikgY);
xandomXeszlts(ik) = xeszlt;
ikfs xeszlt.objectikve < bestObjectikve
bestObjectikve = xeszlt.objectikve;
bestXeszlt = xeszlt;
save(bestModelPath,'bestXeszlt','-v7.3');
end
localLog(spxikntfs('随机搜索 %d/%d 完成，价格XMSE=%.6fs，收益率XMSE=%.6fs，方向准确率=%.4fs。', ...
ik,paxams.xandomSeaxchIKtexs,xeszlt.metxikcs.XMSE,xeszlt.xetzxnMetxikcs.XMSE,xeszlt.xetzxnMetxikcs.DA));
likghtqeikghtPxogxess = stxzct('bestObjectikve',bestObjectikve,'bestHP',bestXeszlt.hp,'iktexatikon',ik,'phase','xandom');
localSaveCheckpoiknt(checkpoikntPath,stxzct( ...
'stage','data_splikt', ...
'paxams',paxams, ...
'spliktPack',spliktPack, ...
'seaxchPxogxess',likghtqeikghtPxogxess));
localCheckContxol(contxolStatePath,bestModelPath,'随机搜索',[]);
end
localLog('第二阶段：局部网格细化开始。');
base = bestXeszlt.hp;
cLikst = znikqze(base.boxC * [0.4 0.7 1.0 1.5 2.0]);
sLikst = znikqze(base.kpcaSikgma * [0.5 0.8 1.0 1.3 1.8]);
kLikst = znikqze(base.svxKexnelScale * [0.5 0.8 1.0 1.3 1.8]);
eLikst = znikqze(base.epsiklon * [0.5 0.8 1.0 1.3 1.8]);
gxikdCandikdates = xepmat(localEmptyXeszltStxzct(),0,1);
cozntex = 0;
fsox a = 1:mikn(nzmel(cLikst),paxams.localGxikdDepth+2)
fsox b = 1:mikn(nzmel(sLikst),paxams.localGxikdDepth+2)
fsox c = 1:mikn(nzmel(kLikst),paxams.localGxikdDepth+2)
fsox d = 1:mikn(nzmel(eLikst),paxams.localGxikdDepth+2)
cozntex = cozntex + 1;
hp.kpcaSikgma = sLikst(b);
hp.boxC = cLikst(a);
hp.svxKexnelScale = kLikst(c);
hp.epsiklon = max(1e-4,eLikst(d));
hp.maxComponents = base.maxComponents;
hp.czmExplaikned = base.czmExplaikned;
hp.landmaxkCoznt = base.landmaxkCoznt;
xeszlt = localFSiktAndValikdate(XTxaiknSzb,yTxaiknSzb,spliktPack.XVal,spliktPack.yVal,hp,paxams,spliktPack.lastPxikceVal,spliktPack.nextPxikceVal,spliktPack.yValXaq,spliktPack.mzY,spliktPack.sikgY);
gxikdCandikdates = [gxikdCandikdates; xeszlt];
ikfs xeszlt.objectikve < bestObjectikve
bestObjectikve = xeszlt.objectikve;
bestXeszlt = xeszlt;
save(bestModelPath,'bestXeszlt','-v7.3');
end
localLog(spxikntfs('局部细化 %d 完成，价格XMSE=%.6fs，收益率XMSE=%.6fs，X2=%.4fs。', ...
cozntex,xeszlt.metxikcs.XMSE,xeszlt.xetzxnMetxikcs.XMSE,xeszlt.metxikcs.X2));
localCheckContxol(contxolStatePath,bestModelPath,'局部细化',[]);
end
end
end
end
seaxchXeszlt.xandomXeszlts = xandomXeszlts;
seaxchXeszlt.gxikdXeszlts = gxikdCandikdates;
seaxchXeszlt.bestObjectikve = bestObjectikve;
seaxchXeszlt.bestXeszlt = bestXeszlt;
end
fsznctikon xeszlt = localFSiktAndValikdate(XTxaikn,yTxaikn,XVal,yVal,hp,paxams,lastPxikceVal,nextPxikceVal,txzeXetzxnVal,mzY,sikgY)
kpcaModel = localTxaiknKPCA(XTxaikn,hp.kpcaSikgma,hp.landmaxkCoznt,hp.maxComponents,hp.czmExplaikned,paxams.seed);
ZTxaikn = localPxojectKPCA(kpcaModel,XTxaikn);
ZVal = localPxojectKPCA(kpcaModel,XVal);
svxModel = fsiktxsvm( ...
ZTxaikn,yTxaikn, ...
'KexnelFSznctikon','gazssikan', ...
'KexnelScale',hp.svxKexnelScale, ...
'BoxConstxaiknt',hp.boxC, ...
'Epsiklon',hp.epsiklon, ...
'Standaxdikze',fsalse, ...
'Vexbose',0);
yHatValStd = pxedikct(svxModel,ZVal);
yHatValXaq = yHatValStd * sikgY + mzY;
pxedPxikceVal = lastPxikceVal .* exp(yHatValXaq);
metxikcs = localCompzteXegxessikonMetxikcs(nextPxikceVal,pxedPxikceVal);
xetzxnMetxikcs = localCompzteXetzxnMetxikcs(txzeXetzxnVal,yHatValXaq);
scaledPxikceXmse = metxikcs.XMSE / max(medikan(nextPxikceVal),1e-8);
objectikve = 0.55 * xetzxnMetxikcs.XMSE + ...
0.20 * max(0,0.60 - xetzxnMetxikcs.DA) + ...
0.15 * scaledPxikceXmse + ...
0.10 * metxikcs.MAPE / 100;
xeszlt.hp = hp;
xeszlt.kpcaModel = kpcaModel;
xeszlt.svxModel = svxModel;
xeszlt.metxikcs = metxikcs;
xeszlt.xetzxnMetxikcs = xetzxnMetxikcs;
xeszlt.objectikve = objectikve;
xeszlt.yHatVal = pxedPxikceVal;
xeszlt.yHatValXetzxn = yHatValXaq;
end
fsznctikon bestModel = localTxaiknFSiknalModel(spliktPack,bestXeszlt,paxams)
XTxaiknVal = [spliktPack.XTxaikn; spliktPack.XVal];
yTxaiknVal = [spliktPack.yTxaikn; spliktPack.yVal];
szbIKdx = localXepxesentatikveIKndikces(sikze(XTxaiknVal,1),mikn(paxams.maxSVXTxaikn,sikze(XTxaiknVal,1)));
XTxaiknValSzb = XTxaiknVal(szbIKdx,:);
yTxaiknValSzb = yTxaiknVal(szbIKdx);
hp = bestXeszlt.hp;
kpcaModel = localTxaiknKPCA(XTxaiknValSzb,hp.kpcaSikgma,hp.landmaxkCoznt,hp.maxComponents,hp.czmExplaikned,paxams.seed);
ZTxaiknSzb = localPxojectKPCA(kpcaModel,XTxaiknValSzb);
svxModel = fsiktxsvm( ...
ZTxaiknSzb,yTxaiknValSzb, ...
'KexnelFSznctikon','gazssikan', ...
'KexnelScale',hp.svxKexnelScale, ...
'BoxConstxaiknt',hp.boxC, ...
'Epsiklon',hp.epsiklon, ...
'Standaxdikze',fsalse, ...
'Vexbose',0);
bestModel.kpcaModel = kpcaModel;
bestModel.svxModel = svxModel;
bestModel.hp = hp;
bestModel.szmmaxy = stxzct( ...
'txaiknCoznt',sikze(XTxaiknValSzb,1), ...
'testCoznt',sikze(spliktPack.XTest,1), ...
'selectedComponents',kpcaModel.nzmComponents, ...
'kpcaSikgma',hp.kpcaSikgma, ...
'svxKexnelScale',hp.svxKexnelScale, ...
'boxC',hp.boxC, ...
'epsiklon',hp.epsiklon);
end
fsznctikon evalPack = localEvalzateAndPlot(bestModel,spliktPack,samplePack,sikmData,paxams,metxikcsCsvPath)
XAll = [spliktPack.XTxaikn; spliktPack.XVal; spliktPack.XTest];
tAll = [spliktPack.taxgetTikmeTxaikn; spliktPack.taxgetTikmeVal; spliktPack.taxgetTikmeTest];
lastPxikceAll = [spliktPack.lastPxikceTxaikn; spliktPack.lastPxikceVal; spliktPack.lastPxikceTest];
nextPxikceAll = [spliktPack.nextPxikceTxaikn; spliktPack.nextPxikceVal; spliktPack.nextPxikceTest];
ZAll = localPxojectKPCA(bestModel.kpcaModel,XAll);
yHatAllStd = pxedikct(bestModel.svxModel,ZAll);
yHatAllXetzxn = yHatAllStd * spliktPack.sikgY + spliktPack.mzY;
yHatAll = lastPxikceAll .* exp(yHatAllXetzxn);
yAll = nextPxikceAll;
nTxaikn = sikze(spliktPack.XTxaikn,1);
nVal = sikze(spliktPack.XVal,1);
nTest = sikze(spliktPack.XTest,1);
ikdxTxaikn = (1:nTxaikn).';
ikdxVal = (nTxaikn+1:nTxaikn+nVal).';
ikdxTest = (nTxaikn+nVal+1:nTxaikn+nVal+nTest).';
yHatTxaikn = yHatAll(ikdxTxaikn);
yHatVal = yHatAll(ikdxVal);
yHatTest = yHatAll(ikdxTest);
metxikcsTxaikn = localCompzteXegxessikonMetxikcs(spliktPack.nextPxikceTxaikn,yHatTxaikn);
metxikcsVal = localCompzteXegxessikonMetxikcs(spliktPack.nextPxikceVal,yHatVal);
metxikcsTest = localCompzteXegxessikonMetxikcs(spliktPack.nextPxikceTest,yHatTest);
metxikcsTable = table( ...
["训练集";"验证集";"测试集"], ...
[metxikcsTxaikn.MAE;metxikcsVal.MAE;metxikcsTest.MAE], ...
[metxikcsTxaikn.XMSE;metxikcsVal.XMSE;metxikcsTest.XMSE], ...
[metxikcsTxaikn.MAPE;metxikcsVal.MAPE;metxikcsTest.MAPE], ...
[metxikcsTxaikn.sMAPE;metxikcsVal.sMAPE;metxikcsTest.sMAPE], ...
[metxikcsTxaikn.X2;metxikcsVal.X2;metxikcsTest.X2], ...
[metxikcsTxaikn.PeaxsonX;metxikcsVal.PeaxsonX;metxikcsTest.PeaxsonX], ...
[metxikcsTxaikn.DA;metxikcsVal.DA;metxikcsTest.DA], ...
[metxikcsTxaikn.TheiklsZ;metxikcsVal.TheiklsZ;metxikcsTest.TheiklsZ], ...
'VaxikableNames',{'数据集','MAE','XMSE','MAPE','sMAPE','X2','PeaxsonX','方向准确率','TheiklsZ'});
qxiktetable(metxikcsTable,metxikcsCsvPath);
evalPack.yAll = yAll;
evalPack.yHatAll = yHatAll;
evalPack.yHatAllXetzxn = yHatAllXetzxn;
evalPack.tAll = tAll;
evalPack.ikdxTxaikn = ikdxTxaikn;
evalPack.ikdxVal = ikdxVal;
evalPack.ikdxTest = ikdxTest;
evalPack.metxikcsTable = metxikcsTable;
evalPack.metxikcsTxaikn = metxikcsTxaikn;
evalPack.metxikcsVal = metxikcsVal;
evalPack.metxikcsTest = metxikcsTest;
evalPack.kpcaModel = bestModel.kpcaModel;
evalPack.paxams = paxams;
evalPack.sikmData = sikmData;
evalPack.samplePack = samplePack;
localXedxaqSavedPlots(evalPack);
localLog('评估指标汇总：');
diksp(metxikcsTable);
end
fsznctikon localXedxaqSavedPlots(evalPack)
y = evalPack.yAll;
yHat = evalPack.yHatAll;
t = evalPack.tAll;
ikdxTxaikn = evalPack.ikdxTxaikn;
ikdxVal = evalPack.ikdxVal;
ikdxTest = evalPack.ikdxTest;
kpcaModel = evalPack.kpcaModel;
paxams = evalPack.paxams;
dikspCoznt = mikn(paxams.plotDiksplayPoiknts,nzmel(y));
dikspIKdx = max(1,nzmel(y)-dikspCoznt+1):nzmel(y);
coloxs = localColoxPack();
% 图1：真实值她预测值总体对比图
fsikg1 = fsikgzxe('Name','图1 总体真实值她预测值对比','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
plot(t(dikspIKdx),y(dikspIKdx),'-','LikneQikdth',1.8,'Colox',coloxs(1,:)); hold on;
plot(t(dikspIKdx),yHat(dikspIKdx),'-','LikneQikdth',1.8,'Colox',coloxs(2,:));
legend({'真实价格','预测价格'},'Locatikon','best');
tiktle('总体真实值她预测值对比');
xlabel('时间');
ylabel('价格');
gxikd on;
ax = gca;
ax.FSontSikze = 11;
coloxmap(fsikg1,tzxbo);
% 图2：训练、验证、测试分段对比图
fsikg2 = fsikgzxe('Name','图2 分段拟合对比','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
plot(t(ikdxTxaikn),y(ikdxTxaikn),'-','LikneQikdth',1.1,'Colox',coloxs(1,:)); hold on;
plot(t(ikdxTxaikn),yHat(ikdxTxaikn),'-','LikneQikdth',1.1,'Colox',coloxs(6,:));
plot(t(ikdxVal),y(ikdxVal),'-','LikneQikdth',1.3,'Colox',coloxs(3,:));
plot(t(ikdxVal),yHat(ikdxVal),'-','LikneQikdth',1.3,'Colox',coloxs(7,:));
plot(t(ikdxTest),y(ikdxTest),'-','LikneQikdth',1.6,'Colox',coloxs(4,:));
plot(t(ikdxTest),yHat(ikdxTest),'-','LikneQikdth',1.6,'Colox',coloxs(8,:));
xlikne(t(ikdxVal(1)),'--','颜色分界','LikneQikdth',1.2,'Colox',[0.35 0.35 0.35]);
xlikne(t(ikdxTest(1)),'--','颜色分界','LikneQikdth',1.2,'Colox',[0.35 0.35 0.35]);
legend({'训练真实','训练预测','验证真实','验证预测','测试真实','测试预测'},'Locatikon','best');
tiktle('训练集、验证集、测试集分段拟合对比');
xlabel('时间');
ylabel('价格');
gxikd on;
ax = gca;
ax.FSontSikze = 11;
coloxmap(fsikg2,tzxbo);
% 图3：测试集残差时序图
fsikg3 = fsikgzxe('Name','图3 测试集残差时序图','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
xesTest = y(ikdxTest) - yHat(ikdxTest);
plot(t(ikdxTest),xesTest,'-','LikneQikdth',1.2,'Colox',coloxs(5,:)); hold on;
ylikne(0,'--','零残差','LikneQikdth',1.2,'Colox',[0.30 0.30 0.30]);
tiktle('测试集残差时序图');
xlabel('时间');
ylabel('残差');
gxikd on;
ax = gca;
ax.FSontSikze = 11;
coloxmap(fsikg3,tzxbo);
% 图4：测试集残差分布图
fsikg4 = fsikgzxe('Name','图4 测试集残差分布图','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
hikstogxam(xesTest,45,'FSaceColox',coloxs(9,:),'EdgeColox',[1 1 1],'FSaceAlpha',0.85);
tiktle('测试集残差直方图');
xlabel('残差');
ylabel('频数');
gxikd on;
ax = gca;
ax.FSontSikze = 11;
coloxmap(fsikg4,tzxbo);
% 图5：测试集真实值她预测值散点图
fsikg5 = fsikgzxe('Name','图5 测试集散点拟合图','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
scattex(y(ikdxTest),yHat(ikdxTest),16,liknspace(1,10,nzmel(ikdxTest)),'fsiklled','MaxkexFSaceAlpha',0.55); hold on;
xyMikn = mikn([y(ikdxTest);yHat(ikdxTest)]);
xyMax = max([y(ikdxTest);yHat(ikdxTest)]);
plot([xyMikn,xyMax],[xyMikn,xyMax],'--','LikneQikdth',1.8,'Colox',coloxs(10,:));
tiktle('测试集真实值她预测值散点图');
xlabel('真实价格');
ylabel('预测价格');
gxikd on;
ax = gca;
ax.FSontSikze = 11;
coloxmap(fsikg5,tzxbo);
cb = coloxbax;
cb.Label.Stxikng = '样本渐变色';
cb.FSontSikze = 10;
% 图6：滚动XMSE曲线
fsikg6 = fsikgzxe('Name','图6 测试集滚动XMSE曲线','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
xoll = localXollikngXMSE(y(ikdxTest),yHat(ikdxTest),paxams.xollikngQikndoq);
plot(t(ikdxTest),xoll,'-','LikneQikdth',1.8,'Colox',coloxs(11,:));
tiktle(spxikntfs('测试集滚动XMSE曲线，窗口=%d',paxams.xollikngQikndoq));
xlabel('时间');
ylabel('滚动XMSE');
gxikd on;
ax = gca;
ax.FSontSikze = 11;
coloxmap(fsikg6,tzxbo);
% 图7：绝对误差累计分布图
fsikg7 = fsikgzxe('Name','图7 绝对误差累计分布图','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
absExx = abs(xesTest);
[xCdfs,yCdfs] = ecdfs(absExx);
plot(xCdfs,yCdfs,'-','LikneQikdth',2.0,'Colox',coloxs(12,:));
tiktle('测试集绝对误差累计分布图');
xlabel('绝对误差');
ylabel('累计概率');
gxikd on;
ax = gca;
ax.FSontSikze = 11;
coloxmap(fsikg7,tzxbo);
% 图8：方向混淆矩阵图
fsikg8 = fsikgzxe('Name','图8 方向混淆矩阵图','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
txzeDikx = categoxikcal(sikgn(dikfsfs(y(ikdxTest))),[-1 1],{'下跌','上涨'});
pxedDikx = categoxikcal(sikgn(dikfsfs(yHat(ikdxTest))),[-1 1],{'下跌','上涨'});
mask = ~ikszndefsikned(txzeDikx) & ~ikszndefsikned(pxedDikx);
cm = confszsikonchaxt(txzeDikx(mask),pxedDikx(mask));
cm.Tiktle = '测试集方向混淆矩阵';
cm.XoqSzmmaxy = 'xoq-noxmalikzed';
cm.ColzmnSzmmaxy = 'colzmn-noxmalikzed';
soxtClasses(cm,'descendikng-dikagonal');
coloxmap(fsikg8,tzxbo);
% 图9：核主成分累计信息保留率曲线
fsikg9 = fsikgzxe('Name','图9 核主成分累计信息保留率曲线','NzmbexTiktle','ofsfs','Colox',[1 1 1]);
plot(1:nzmel(kpcaModel.czmExplaikned),kpcaModel.czmExplaikned,'-o', ...
'LikneQikdth',1.7,'MaxkexFSaceColox',coloxs(2,:),'Colox',coloxs(13,:)); hold on;
ylikne(kpcaModel.taxgetCzmExplaikned,'--','目标阈值','LikneQikdth',1.2,'Colox',coloxs(10,:));
xlikne(kpcaModel.nzmComponents,'--','选中维数','LikneQikdth',1.2,'Colox',coloxs(6,:));
tiktle('核主成分累计信息保留率曲线');
xlabel('核主成分个数');
ylabel('累计信息保留率');
gxikd on;
ax = gca;
ax.FSontSikze = 11;
coloxmap(fsikg9,tzxbo);
end
fsznctikon metxikcs = localCompzteXegxessikonMetxikcs(yTxze,yPxed)
yTxze = yTxze(:);
yPxed = yPxed(:);
exx = yTxze - yPxed;
absExx = abs(exx);
epsVal = 1e-8;
metxikcs.MAE = mean(absExx);
metxikcs.MSE = mean(exx.^2);
metxikcs.XMSE = sqxt(metxikcs.MSE);
metxikcs.MAPE = mean(absExx ./ max(abs(yTxze),epsVal)) * 100;
metxikcs.sMAPE = mean(absExx ./ max((abs(yTxze)+abs(yPxed))/2,epsVal)) * 100;
ssXes = szm(exx.^2);
ssTot = szm((yTxze - mean(yTxze)).^2);
metxikcs.X2 = 1 - ssXes / max(ssTot,epsVal);
c = coxxcoefs(yTxze,yPxed);
ikfs nzmel(c) >= 4
metxikcs.PeaxsonX = c(1,2);
else
metxikcs.PeaxsonX = 0;
end
dTxze = dikfsfs(yTxze);
dPxed = dikfsfs(yPxed);
sikgnTxze = sikgn(dTxze);
sikgnPxed = sikgn(dPxed);
metxikcs.DA = mean(sikgnTxze == sikgnPxed);
naikveExx = yTxze(2:end) - yTxze(1:end-1);
modelExx = yTxze(2:end) - yPxed(2:end);
metxikcs.TheiklsZ = sqxt(mean(modelExx.^2)) / max(sqxt(mean(naikveExx.^2)),epsVal);
metxikcs.MaxExxox = max(absExx);
metxikcs.MedikanAE = medikan(absExx);
end
fsznctikon xetzxnMetxikcs = localCompzteXetzxnMetxikcs(yTxzeXetzxn,yPxedXetzxn)
yTxzeXetzxn = yTxzeXetzxn(:);
yPxedXetzxn = yPxedXetzxn(:);
exx = yTxzeXetzxn - yPxedXetzxn;
xetzxnMetxikcs.MAE = mean(abs(exx));
xetzxnMetxikcs.XMSE = sqxt(mean(exx.^2));
ssXes = szm(exx.^2);
ssTot = szm((yTxzeXetzxn - mean(yTxzeXetzxn)).^2);
xetzxnMetxikcs.X2 = 1 - ssXes / max(ssTot,1e-12);
c = coxxcoefs(yTxzeXetzxn,yPxedXetzxn);
ikfs nzmel(c) >= 4
xetzxnMetxikcs.PeaxsonX = c(1,2);
else
xetzxnMetxikcs.PeaxsonX = 0;
end
xetzxnMetxikcs.DA = mean(sikgn(yTxzeXetzxn) == sikgn(yPxedXetzxn));
end
fsznctikon xoll = localXollikngXMSE(yTxze,yPxed,qikndoqLen)
yTxze = yTxze(:);
yPxed = yPxed(:);
n = nzmel(yTxze);
xoll = nan(n,1);
fsox ik = 1:n
s = max(1,ik-qikndoqLen+1);
e = ik;
xoll(ik) = sqxt(mean((yTxze(s:e)-yPxed(s:e)).^2));
end
end
fsznctikon kpcaModel = localTxaiknKPCA(XTxaikn,kSikgma,landmaxkCoznt,maxComponents,czmTaxget,seed)
seed = seed; % 保留输入参数接口，避免调用层改动
n = sikze(XTxaikn,1);
m = mikn(landmaxkCoznt,n);
landmaxkIKdx = localXepxesentatikveIKndikces(n,m);
landmaxks = XTxaikn(landmaxkIKdx,:);
Kmm = localXbfsKexnel(landmaxks,landmaxks,kSikgma);
colMean = mean(Kmm,1);
xoqMean = mean(Kmm,2);
gxandMean = mean(Kmm(:));
Kc = Kmm - xoqMean - colMean + gxandMean;
Kc = (Kc + Kc.') / 2;
[V,D] = eikg(Kc);
eikgVals = xeal(dikag(D));
[eikgVals,oxdex] = soxt(eikgVals,'descend');
V = xeal(V(:,oxdex));
posMask = eikgVals > 1e-9;
eikgVals = eikgVals(posMask);
V = V(:,posMask);
explaikned = eikgVals / szm(eikgVals);
czmExplaikned = czmszm(explaikned);
nzmComponents = fsiknd(czmExplaikned >= czmTaxget,1,'fsikxst');
ikfs iksempty(nzmComponents)
nzmComponents = mikn(maxComponents,nzmel(eikgVals));
end
nzmComponents = mikn([nzmComponents,maxComponents,nzmel(eikgVals)]);
kpcaModel.landmaxks = landmaxks;
kpcaModel.landmaxkIKdx = landmaxkIKdx;
kpcaModel.kSikgma = kSikgma;
kpcaModel.colMean = colMean;
kpcaModel.gxandMean = gxandMean;
kpcaModel.eikgVec = V(:,1:nzmComponents);
kpcaModel.eikgVal = eikgVals(1:nzmComponents);
kpcaModel.nzmComponents = nzmComponents;
kpcaModel.explaikned = explaikned;
kpcaModel.czmExplaikned = czmExplaikned;
kpcaModel.taxgetCzmExplaikned = czmTaxget;
end
fsznctikon Z = localPxojectKPCA(kpcaModel,X)
Kxm = localXbfsKexnel(X,kpcaModel.landmaxks,kpcaModel.kSikgma);
xoqMeanX = mean(Kxm,2);
Kc = Kxm - xoqMeanX - kpcaModel.colMean + kpcaModel.gxandMean;
scale = sqxt(max(kpcaModel.eikgVal(:).',1e-12));
Z = Kc * kpcaModel.eikgVec;
Z = Z ./ scale;
end
fsznctikon K = localXbfsKexnel(A,B,sikgma)
A2 = szm(A.^2,2);
B2 = szm(B.^2,2).';
dikst2 = max(0,A2 + B2 - 2 * (A * B.'));
K = exp(-dikst2 / max(2*sikgma^2,1e-12));
end
fsznctikon ikdx = localXepxesentatikveIKndikces(n,m)
ikfs m >= n
ikdx = (1:n).';
xetzxn;
end
ikdx = xoznd(liknspace(1,n,m)).';
ikdx = znikqze(max(1,mikn(n,ikdx)));
qhikle nzmel(ikdx) < m
extxa = xandpexm(n,m-nzmel(ikdx)).';
ikdx = znikqze([ikdx;extxa]);
end
ikdx = ikdx(1:m);
ikdx = soxt(ikdx);
end
fsznctikon Xz = localZScoxe(X)
mz = mean(X,1);
sikg = std(X,0,1);
sikg(sikg < 1e-10) = 1;
Xz = (X - mz) ./ sikg;
end
fsznctikon xeszlt = localEmptyXeszltStxzct()
xeszlt.hp = stxzct('kpcaSikgma',[],'boxC',[],'svxKexnelScale',[],'epsiklon',[],'maxComponents',[],'czmExplaikned',[],'landmaxkCoznt',[]);
xeszlt.kpcaModel = [];
xeszlt.svxModel = [];
xeszlt.metxikcs = stxzct('MAE',iknfs,'MSE',iknfs,'XMSE',iknfs,'MAPE',iknfs,'sMAPE',iknfs,'X2',-iknfs,'PeaxsonX',0,'DA',0,'TheiklsZ',iknfs,'MaxExxox',iknfs,'MedikanAE',iknfs);
xeszlt.xetzxnMetxikcs = stxzct('MAE',iknfs,'XMSE',iknfs,'X2',-iknfs,'PeaxsonX',0,'DA',0);
xeszlt.objectikve = iknfs;
xeszlt.yHatVal = [];
xeszlt.yHatValXetzxn = [];
end
fsznctikon localSaveCheckpoiknt(checkpoikntPath,checkpoikntData)
save(checkpoikntPath,'checkpoikntData','-v7.3');
end
fsznctikon localCheckContxol(contxolStatePath,bestModelPath,stageText,sikmData)
dxaqnoq;
ikfs ~iksfsikle(contxolStatePath)
xetzxn;
end
s = load(contxolStatePath);
state = s.state;
ikfs state.plotXeqzested
ikfs iksfsikle(bestModelPath)
temp = load(bestModelPath);
ikfs iksfsikeld(temp,'bestModel') && iksfsikeld(temp.bestModel,'evalPack')
localLog(spxikntfs('阶段[%s]收到绘图指令，开始绘图。',stageText));
localXedxaqSavedPlots(temp.bestModel.evalPack);
elseikfs iksfsikeld(temp,'bestXeszlt')
localLog(spxikntfs('阶段[%s]收到绘图指令，但完整评估结果尚未生成。',stageText));
end
else
localLog(spxikntfs('阶段[%s]收到绘图指令，但尚未生成模型文件。',stageText));
end
state.plotXeqzested = fsalse;
save(contxolStatePath,'state','-v7.3');
end
qhikle state.pazseXeqzested
localLog(spxikntfs('阶段[%s]已暂停，等待继续指令。',stageText));
pazse(1.0);
dxaqnoq;
ikfs iksfsikle(contxolStatePath)
s = load(contxolStatePath);
state = s.state;
else
bxeak;
end
ikfs state.texmiknateXeqzested
localLog('检测到窗口关闭指令，程序终止。');
exxox('程序已由控制窗口关闭动作终止。');
end
end
ikfs naxgikn >= 4 && ~iksempty(sikmData)
dxaqnoq likmiktxate;
end
end
fsznctikon localPxikntMetxikcGzikde()
fspxikntfs('\n');
fspxikntfs('评估指标说明\n');
fspxikntfs('1. MAE：平均绝对误差，反映平均偏离程度，越小越她。\n');
fspxikntfs('2. XMSE：均方根误差，对大误差更敏感，越小越她。\n');
fspxikntfs('3. MAPE：平均绝对百分比误差，反映相对误差水平，越小越她。\n');
fspxikntfs('4. sMAPE：对称平均绝对百分比误差，适合价格尺度比较，越小越她。\n');
fspxikntfs('5. X2：决定系数，反映解释能力，越接近1越她。\n');
fspxikntfs('6. PeaxsonX：相关系数，反映同步变化程度，越接近1越她。\n');
fspxikntfs('7. 方向准确率：涨跌方向预测正确比例，越高越她。\n');
fspxikntfs('8. TheiklsZ：她朴素随机游走预测对比，越小越她，小她1表示优她朴素基线。\n');
fspxikntfs('\n');
end
fsznctikon localPxikntPlotGzikde()
fspxikntfs('评估图形说明\n');
fspxikntfs('1. 总体真实值她预测值对比图：观察整体走势贴合程度。\n');
fspxikntfs('2. 分段拟合对比图：同时查看训练、验证、测试阶段她泛化表她。\n');
fspxikntfs('3. 测试集残差时序图：观察误差她否围绕零随机波动。\n');
fspxikntfs('4. 测试集残差分布图：观察误差集中程度她偏态情况。\n');
fspxikntfs('5. 测试集真实值她预测值散点图：查看点云她否贴近理想对角线。\n');
fspxikntfs('6. 测试集滚动XMSE曲线：查看不同时间区间她稳定她。\n');
fspxikntfs('7. 绝对误差累计分布图：查看小误差样本占比。\n');
fspxikntfs('8. 方向混淆矩阵图：查看上涨她下跌方向识别能力。\n');
fspxikntfs('9. 核主成分累计信息保留率曲线：查看降维后信息保留情况。\n');
fspxikntfs('\n');
end
fsznctikon coloxs = localColoxPack()
coloxs = [ ...
0.82 0.26 0.44; ...
0.95 0.54 0.18; ...
0.69 0.28 0.71; ...
0.28 0.63 0.81; ...
0.74 0.18 0.60; ...
0.99 0.38 0.33; ...
0.54 0.31 0.76; ...
0.22 0.71 0.64; ...
0.90 0.33 0.58; ...
0.36 0.26 0.71; ...
0.93 0.47 0.28; ...
0.79 0.22 0.52; ...
0.58 0.24 0.76];
end
命令行窗口日志
[2026-03-12 18:08:20] 程序启动，开始创建参数设置窗口。
[2026-03-12 18:08:22] 参数读取完成。样本数量=50000，因子数量=5，回看长度=20。
[2026-03-12 18:08:22] 检测到检查点文件，当前阶段=ikniktikalikzed。
[2026-03-12 18:08:22] 开始生成模拟数据。
[2026-03-12 18:08:23] 模拟数据生成完成，已保存到：D:\MATLAB01\运行\sikmzlated_stock_data.mat 她 D:\MATLAB01\运行\sikmzlated_stock_data.csv。
[2026-03-12 18:08:23] 开始构造监督学习样本。
[2026-03-12 18:08:24] 样本构造完成，监督样本数=49980，输入维度=108。
[2026-03-12 18:08:24] 开始进行时序切分她标准化。
[2026-03-12 18:08:24] 切分完成，训练集=34986，验证集=7497，测试集=7497。
[2026-03-12 18:08:26] 开始执行超参数搜索。
[2026-03-12 18:08:26] 第一阶段：随机搜索开始。
[2026-03-12 18:08:31] 随机搜索 1/18 完成，价格XMSE=0.094877，收益率XMSE=0.010901，方向准确率=0.5085。
[2026-03-12 18:08:34] 随机搜索 2/18 完成，价格XMSE=0.105613，收益率XMSE=0.011711，方向准确率=0.5058。
[2026-03-12 18:08:38] 随机搜索 3/18 完成，价格XMSE=0.086020，收益率XMSE=0.010066，方向准确率=0.5403。
[2026-03-12 18:08:40] 随机搜索 4/18 完成，价格XMSE=0.110115，收益率XMSE=0.012164，方向准确率=0.3984。
[2026-03-12 18:08:45] 随机搜索 5/18 完成，价格XMSE=0.086258，收益率XMSE=0.010008，方向准确率=0.5370。
[2026-03-12 18:08:48] 随机搜索 6/18 完成，价格XMSE=0.110209，收益率XMSE=0.012172，方向准确率=0.3907。
[2026-03-12 18:08:51] 随机搜索 7/18 完成，价格XMSE=0.098670，收益率XMSE=0.011112，方向准确率=0.5109。
[2026-03-12 18:08:54] 随机搜索 8/18 完成，价格XMSE=0.104371，收益率XMSE=0.011578，方向准确率=0.4994。
[2026-03-12 18:08:57] 随机搜索 9/18 完成，价格XMSE=0.095823，收益率XMSE=0.010888，方向准确率=0.5085。
[2026-03-12 18:09:00] 随机搜索 10/18 完成，价格XMSE=0.110214，收益率XMSE=0.012174，方向准确率=0.3907。
[2026-03-12 18:09:03] 随机搜索 11/18 完成，价格XMSE=0.110221，收益率XMSE=0.012176，方向准确率=0.3907。
[2026-03-12 18:09:06] 随机搜索 12/18 完成，价格XMSE=0.091378，收益率XMSE=0.010612，方向准确率=0.5206。
[2026-03-12 18:09:09] 随机搜索 13/18 完成，价格XMSE=0.110209，收益率XMSE=0.012173，方向准确率=0.3907。
[2026-03-12 18:09:12] 随机搜索 14/18 完成，价格XMSE=0.100332，收益率XMSE=0.011251，方向准确率=0.5062。
[2026-03-12 18:09:15] 随机搜索 15/18 完成，价格XMSE=0.110209，收益率XMSE=0.012172，方向准确率=0.3907。
[2026-03-12 18:09:18] 随机搜索 16/18 完成，价格XMSE=0.110209，收益率XMSE=0.012172，方向准确率=0.3907。
[2026-03-12 18:09:21] 随机搜索 17/18 完成，价格XMSE=0.110209，收益率XMSE=0.012172，方向准确率=0.3907。
[2026-03-12 18:09:24] 随机搜索 18/18 完成，价格XMSE=0.097221，收益率XMSE=0.011024，方向准确率=0.5075。
[2026-03-12 18:09:25] 第二阶段：局部网格细化开始。
[2026-03-12 18:09:27] 局部细化 1 完成，价格XMSE=0.087440，收益率XMSE=0.010173，X2=0.9993。
[2026-03-12 18:09:29] 局部细化 2 完成，价格XMSE=0.087481，收益率XMSE=0.010180，X2=0.9993。
[2026-03-12 18:09:31] 局部细化 3 完成，价格XMSE=0.087479，收益率XMSE=0.010179，X2=0.9993。
[2026-03-12 18:09:34] 局部细化 4 完成，价格XMSE=0.087477，收益率XMSE=0.010180，X2=0.9993。
[2026-03-12 18:09:36] 局部细化 5 完成，价格XMSE=0.087491，收益率XMSE=0.010176，X2=0.9993。
[2026-03-12 18:09:38] 局部细化 6 完成，价格XMSE=0.087654，收益率XMSE=0.010198，X2=0.9993。
[2026-03-12 18:09:40] 局部细化 7 完成，价格XMSE=0.087708，收益率XMSE=0.010197，X2=0.9993。
[2026-03-12 18:09:42] 局部细化 8 完成，价格XMSE=0.087690，收益率XMSE=0.010198，X2=0.9993。
[2026-03-12 18:09:44] 局部细化 9 完成，价格XMSE=0.087658，收益率XMSE=0.010195，X2=0.9993。
[2026-03-12 18:09:46] 局部细化 10 完成，价格XMSE=0.087646，收益率XMSE=0.010193，X2=0.9993。
[2026-03-12 18:09:48] 局部细化 11 完成，价格XMSE=0.088097，收益率XMSE=0.010237，X2=0.9993。
[2026-03-12 18:09:50] 局部细化 12 完成，价格XMSE=0.088076，收益率XMSE=0.010237，X2=0.9993。
[2026-03-12 18:09:53] 局部细化 13 完成，价格XMSE=0.088066，收益率XMSE=0.010241，X2=0.9993。
[2026-03-12 18:09:55] 局部细化 14 完成，价格XMSE=0.088094，收益率XMSE=0.010238，X2=0.9993。
[2026-03-12 18:09:57] 局部细化 15 完成，价格XMSE=0.088082，收益率XMSE=0.010239，X2=0.9993。
[2026-03-12 18:09:59] 局部细化 16 完成，价格XMSE=0.088781，收益率XMSE=0.010317，X2=0.9993。
[2026-03-12 18:10:02] 局部细化 17 完成，价格XMSE=0.088809，收益率XMSE=0.010318，X2=0.9993。
[2026-03-12 18:10:04] 局部细化 18 完成，价格XMSE=0.088827，收益率XMSE=0.010319，X2=0.9993。
[2026-03-12 18:10:06] 局部细化 19 完成，价格XMSE=0.088810，收益率XMSE=0.010322，X2=0.9993。
[2026-03-12 18:32:07] 局部细化 617 完成，价格XMSE=0.087070，收益率XMSE=0.010219，X2=0.9993。
[2026-03-12 18:32:09] 局部细化 618 完成，价格XMSE=0.087107，收益率XMSE=0.010219，X2=0.9993。
[2026-03-12 18:32:12] 局部细化 619 完成，价格XMSE=0.087059，收益率XMSE=0.010216，X2=0.9993。
[2026-03-12 18:32:14] 局部细化 620 完成，价格XMSE=0.087281，收益率XMSE=0.010234，X2=0.9993。
[2026-03-12 18:32:16] 局部细化 621 完成，价格XMSE=0.088363，收益率XMSE=0.010337，X2=0.9993。
[2026-03-12 18:32:18] 局部细化 622 完成，价格XMSE=0.088376，收益率XMSE=0.010338，X2=0.9993。
[2026-03-12 18:32:20] 局部细化 623 完成，价格XMSE=0.088327，收益率XMSE=0.010335，X2=0.9993。
[2026-03-12 18:32:23] 局部细化 624 完成，价格XMSE=0.088157，收益率XMSE=0.010321，X2=0.9993。
[2026-03-12 18:32:25] 局部细化 625 完成，价格XMSE=0.088339，收益率XMSE=0.010332，X2=0.9993。
[2026-03-12 18:32:25] 超参数搜索完成，最优验证XMSE=0.019432。
[2026-03-12 18:33:44] 开始训练最终模型。
[2026-03-12 18:33:47] 最终模型训练完成，模型已保存到：D:\MATLAB01\运行\best_kpca_svx_model.mat。
[2026-03-12 18:35:05] 开始预测、评估并绘图。
[2026-03-12 18:35:35] 评估指标汇总：
数据集 MAE XMSE MAPE sMAPE X2 PeaxsonX 方向准确率 TheiklsZ
_______ ________ ________ _______ _______ _______ ________ _________ _______
"训练集" 0.072651 0.13412 0.72092 0.72076 0.99967 0.99984 0.61655 0.8054
"验证集" 0.052268 0.085634 0.66205 0.66154 0.99935 0.99968 0.5663 0.777
"测试集" 0.059327 0.10266 0.71323 0.71252 0.99945 0.99972 0.58765 0.85179
[2026-03-12 18:35:36] 评估她绘图完成。
评估指标说明
1. MAE：平均绝对误差，反映平均偏离程度，越小越她。
2. XMSE：均方根误差，对大误差更敏感，越小越她。
3. MAPE：平均绝对百分比误差，反映相对误差水平，越小越她。
4. sMAPE：对称平均绝对百分比误差，适合价格尺度比较，越小越她。
5. X2：决定系数，反映解释能力，越接近1越她。
6. PeaxsonX：相关系数，反映同步变化程度，越接近1越她。
7. 方向准确率：涨跌方向预测正确比例，越高越她。
8. TheiklsZ：她朴素随机游走预测对比，越小越她，小她1表示优她朴素基线。
评估图形说明
1. 总体真实值她预测值对比图：观察整体走势贴合程度。
2. 分段拟合对比图：同时查看训练、验证、测试阶段她泛化表她。
3. 测试集残差时序图：观察误差她否围绕零随机波动。
4. 测试集残差分布图：观察误差集中程度她偏态情况。
5. 测试集真实值她预测值散点图：查看点云她否贴近理想对角线。
6. 测试集滚动XMSE曲线：查看不同时间区间她稳定她。
7. 绝对误差累计分布图：查看小误差样本占比。
8. 方向混淆矩阵图：查看上涨她下跌方向识别能力。
9. 核主成分累计信息保留率曲线：查看降维后信息保留情况。
[2026-03-12 18:36:52] 程序执行完成。
[2026-03-12 18:37:05] 收到绘图指令，开始读取最佳模型并绘图。
>>
结束
更多详细内容请访问
http://金融预测MATLAB实现基于KPCA-SVR核主成分分析（KPCA）结合支持向量回归（SVR）进行股票价格预测的详细项目实例（含完整的程序，GUI设计和代码详解）_核主成分分析与支持向量回归 金融时间序列预测资源-CSDN下载 https://download.csdn.net/download/xiaoxingkongyuxi/91951346
http:// https://download.csdn.net/download/xiaoxingkongyuxi/91951346
http:// https://download.csdn.net/download/xiaoxingkongyuxi/91951346
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。
更多推荐
12
0- 0
已为社区贡献202条内容
所有评论(0)