Прогнозирование курса гривны к 4 другим валютам методом скользящих окон, используя нейронные сети

GBP=[285.64 305.08  406.89  668.45  824.99  773.94  799.84  871.28  973.91  933.76  929.45  1010.69 966.88  1219.48 1226.89 1277.71 1266.38];
USD=[182.95 186.17  244.95  413.04  544.02  537.21  532.66  533.27  531.92  512.47  505 505 526.72  779.12  793.56  793.56  799.1];
CHF=[148.25 128.45  171.01  274.53  322.46  318.71  342.88  396.14  428.18  412.75  402.78  421.16  486.09  719.5   762.61  901.41  852.08];
JPY=[16.84  15.41   19.03   36.61   50.52   44.27   42.59   46.13   49.21   46.68   43.4    42.92   51.4    83.45   90.52   100.04  100.19];

function y= SlWind(x,m)
%[url]http://wiki.web.ru/wiki/Метод_Скользящего_окна[/url]
lenx=size(x,2);
imin=1+(m-1)/2;
imax=lenx-(m-1)/2;
iset=imin:imax;
leni=length(iset);
y=zeros(size(x,1),leni);
for ik=1:leni
  ind=(iset(ik)-(m-1)/2):(iset(ik)+(m-1)/2);
  y(:,ik)=sum(x(:,ind),2)/m;
end
end

y= SlWind(GBP,3);%Подготовим данные для нейронки с помощью окна
y2013=Curr(y)%Затем вызовем функцию выдающую прогноз на 2013 год

function y2013=Curr(y)
targetSeries = tonndata(y,true,false);
feedbackDelays = 2:3;%минимум 2 года в линию задержек так как на 2 года вперёд будет прогноз
hiddenLayerSize = 2;%если взять больше нейронов, то получится что параметров сети больше чем данных
net = narnet(feedbackDelays,hiddenLayerSize);
net.inputs{1}.processFcns = {'removeconstantrows','mapminmax'};
[inputs,inputStates,layerStates,targets] = preparets(net,{},{},targetSeries);
net.divideFcn = ''; % нечего тут делить и так данных мало
net.trainFcn = 'trainbr';  
net.performFcn = 'mse';  % среднеквадратическая ошибка
net.plotFcns = {'plotperform','plottrainstate','plotresponse', ...
  'ploterrcorr', 'plotinerrcorr'};
outputs = net(inputs,inputStates,layerStates);
errors = gsubtract(targets,outputs);
performance = perform(net,targets,outputs)
view(net)
nets = removedelay(net,2);
[xs,xis,ais,ts] = preparets(nets,{},{},targetSeries);
ys = nets(xs,xis,ais);
y2013=ys{end}
view(nets)
end