MATLAB金融算法分析实战-基于机器学习的股票量化分析-网络科技-文化科教-太极之巅书单号

书刊介绍

MATLAB金融算法分析实战-基于机器学习的股票量化分析内容简介

本书全面系统地讲解了MATLAB金融算法设计应用，以及金融数据挖掘中趋向和发展趋势指标，并结合具体的机器学习算法分析，让读者深入学习和掌握MATLAB金融数据机器学习算法。本书注重实战，通过大量的案例，帮助读者更好地理解本书内容。本书分为2篇，共15章。主要内容有：MATLAB入门与提高、MATLAB高级应用、时间序列数据处理、量化投资趋向指标、量化投资反趋向指标、BP神经网络工具箱上证指数预测、BP神经网络工具箱多指标预测、RBF神经网络多指标预测、Hopfield神经网络多指标预测、马尔可夫（Markov）链上证指数预测、灰色理论下的上证指数预测、指数平滑下的上证指数预测、支持向量机SVM下的涨跌预测、贝叶斯（Bayes）网络多指标预测、Pareto多目标优化分析。本书适合所有想全面学习MATLAB金融分析设计的人员阅读，也适合各种使用MATlAB进行开发的工程技术人员使用。另外，对于各高校师生解决问题、进行课堂教学等，也是一本不可或缺的**参考书。同时本书也适合MATLAB爱好者学习使用。本书结合网络实际，针对网上讨论的大部分疑难问题，书中均有涉及。

MATLAB金融算法分析实战-基于机器学习的股票量化分析本书特色

MATLAB金融算法分析实战-基于机器学习的股票量化分析目录

目录
前言
在线交流，有问有答
第1篇MATLAB常用算法应用设计
第1章MATLAB入门与提高2
1.1矩阵运算4
1.2放大局部视图6
1.3Monte Carlo方法7
1.4金融工具箱绘图函数的使用9
1.4.1bolling（布林线）函数10
1.4.2highlow（高低价）函数13
1.4.3candle（阴阳烛图）函数16
1.4.4kagi（折线图）函数21
1.4.5renko（砖形图）函数22
1.4.6movavg（移动平均图）函数23
1.4.7priceandvol（成交量图）函数27
1.4.8pointfig（涨跌点图）函数28
1.4.9volarea（成交量面积图）函数30
第2章MATLAB高级应用32
2.1正余弦函数计算32
2.2pcode加密32
2.3基本GUI设计33
2.4GUI的优化布局41
2.5日期格式函数43
2.6日期转化函数45
2.7创建一个金融时间数据序列47
2.8股票技术分析图函数使用49
第3章时间序列数据处理55
3.1平均绝对离差55
3.2序列*大值57
3.3序列*小值60
3.4简单移动平均值62
3.5动态移动平均值65
3.6指数平滑移动平均值67
3.7指数移动平均值69
第4章量化投资趋向指标73
4.1升降线指标73
4.2动力指标76
4.3变动速率线指标77
4.4瀑布线指标79
4.5上升动向指标81
4.6下降动向指标83
4.7动向平均数指标85
4.8多空指数指标88
4.9佳庆指标90
4.10市场趋势指标92
4.11方向标准离差指数指标94
4.12平均线差97
4.13趋向指标98
4.14简易波动指标102
4.15鬼道线指标104
4.16绝路航标指标106
4.17加速线指标109
4.18平滑异同平均指标111
4.19快速异同平均指标113
4.20强弱值指标115
4.21三重指数平滑平均线指标117
4.22终极指标119
4.23变异平均线指标122
第5章量化投资反趋向指标124
5.1幅度涨速指标124
5.2动态买卖人气指标126
5.3布林极限指标128
5.4乖离率指标131
5.5异同离差乖离率指标133
5.6顺势指标135
5.7市场能量指标137
5.8多空线指标139
5.9区间震荡线指标141
5.10分水岭指标142
5.11随机指标144
5.12威廉指标148
5.13L威廉指标150
5.14变动速率指标152
5.15相对强弱指标153
5.16慢速随机指标156
5.17摆动指标159
5.18动向速度比率指标162
5.19引力线指标164
5.20布林极限宽度指标166
第2篇MATLAB机器学习算法应用设计
第6章BP神经网络工具箱上证指数预测170
6.1BP神经网络模型及其基本原理170
6.2MATLAB BP神经网络工具箱171
6.3BP神经网络执行流程173
6.4基于BP网络的上证指数预测174
6.5改进分析178
第7章BP神经网络工具箱多指标预测186
7.1BP神经网络186
7.2多指标选取187
7.3基于趋势指标的BP网络预测195
7.4基于反趋势指标的BP网络预测204
7.5基于趋势和反趋势指标的BP网络预测211
第8章RBF神经网络多指标预测216
8.1RBF神经网络216
8.2RBF网络结构216
8.3多指标选取219
8.4基于趋势指标的RBF网络预测220
8.5基于反趋势指标的RBF网络预测224
8.6基于趋势和反趋势指标的RBF网络预测228
第9章Hopfield神经网络多指标预测232
9.1Hopfield神经网络232
9.2多指标选取234
9.3基于趋势指标的Hopfield网络预测234
9.4基于反趋势指标的Hopfield网络预测237
9.5基于趋势和反趋势指标的Hopfield网络预测239
第10章马尔可夫（Markov）链上证指数预测242
10.1马尔可夫链模型242
10.2马尔可夫链模型流程242
10.3马尔可夫链预测243
10.4隐马尔可夫模型函数表253
第11章灰色理论下的上证指数预测254
11.1灰色理论分析254
11.2灰色关联分析流程254
11.3多指标灰色关联度计算255
11.4灰色预测模型流程259
11.5ACCER幅度涨速指标灰色预测260
第12章指数平滑下的上证指数预测263
12.1指数平滑分析263
12.1.1一次指数平滑预测法263
12.1.2二次指数平滑预测法264
12.1.3三次指数平滑预测法264
12.2指数平滑仿真265
12.2.1一次指数平滑265
12.2.2二次指数平滑268
12.2.3三次指数平滑270
第13章支持向量机SVM下的涨跌预测274
13.1Logistic回归274
13.2Regularization正则化方程275
13.3支持向量机SVM算法275
13.4MATLAB优化工具箱277
13.4.1线性规划问题278
13.4.2非线性规划问题279
13.4.3二次规划问题280
13.4.4线性*小二乘282
13.4.5非线性曲线拟合283
13.4.6非线性*小二乘284
13.5SVM下的上证指数涨跌预测285
13.6PSO优化的SVM多分类预测297
第14章贝叶斯（Bayes）网络多指标预测305
14.1贝叶斯统计方法305
14.2贝叶斯预测方法307
14.3贝叶斯网络的数据预测307
14.4贝叶斯网络下的价格指数建模与预测317
14.4.1读入采集到的数据318
14.4.2建立贝叶斯网络319
14.4.3对构建的贝叶斯网络进行参数学习319
14.4.4条件概率分析321
第15章Pareto多目标优化分析325
15.1经典测试函数325
15.2遗传算法优化的单目标模型330
15.3Pareto多目标求解GUI设