Matlab 利用时间序列回归预测数据

我试图用时间序列分析为回归准备数据。我在Matlab上使用LIBSVM

假设我有N天的价格，我想预测第二天的价格。因此，训练集X是长度K的向量的向量，并且训练集Y类似于：

（第1天）…（第2天）…（第K天）----------->第（K+1）天

（第2天）…（第3天）…（第K+1天）--->第（K+2天）

（第3天）…（第4天）…（第K+2天）--->第（K+3天）

等等

但问题是：我假设测试数据解决方案将给我一天中的天数（K+1）、天数（K+2）、天数（K+3）。但它总是适合独立变量的最后一天。（这是（第K天），（第K+1天），（第K+2天））

我试图改变K的值，但没有改变

更多说明：例如，假设我们有以下单变量时间序列：

123456789=s[1]…s[9]

使用N=3进行窗口化产生：

[s[k−3] ，s[k−2] ，s[k−1]] →s[k]

⎢1 2 3 ⎢ ⎢4.⎢

⎢2 3 4 ⎢ ⎢5.⎢

⎢3 4 5 ⎢ ⎢6.⎢

⎢. . . ⎢ ⎢.⎢

⎢6 7 8 ⎢ ⎢9⎢

但问题是结果符合向量 ⎢3.⎥ ⎢4.⎥ ⎢5.⎥ ... ⎢8.⎥

---

我找不到问题出在哪里？

这不是一般问题，但可能是您的代码有问题。您应该附加一些代码，以便我们能够理解问题所在。n=3 dataTrainIndependent=dataTrainIndependent（：，2）；dataTrainIndependentOrj=dataTrainIndependent；dataTrainIndependent=dataTrainIndependent（1:end-n）；对于i=1:n；dataTrainIndependent=[dataTrainIndependent dataTrainIndependentOrj（1+i:end-（n-i），：）]；结束；dataTrainDependent（1:n，：）=[]；%%测试数据也是如此，此处的刻度为cmd=['-s4-t2']；模型=svmtrain（dataTrainDependent、dataTrainIndependent、cmd）；[predictedValue，acc，dec]=SVMPPredict（依赖于数据测试，依赖于数据测试，模型）；[MSE DA CP CD]=计算（数据测试相关，预测值）；为问题添加代码，注释不能很好地格式化没有代码很难判断问题在哪里。一种可能性是，时间序列很难预测最佳可用估计值是“持久性预测”，尽管如果您使用问题中建议的

1:9

示例对其进行测试，情况并非如此。