MATLAB金融算法分析實戰(zhàn)：基于機器學(xué)習(xí)的股票量化分析

目錄
前言
在線交流，有問有答
第1篇 MATLAB常用算法應(yīng)用設(shè)計
第1章 MATLAB入門與提高2
1.1 矩陣運算4
1.2 放大局部視圖6
1.3 Monte Carlo方法7
1.4 金融工具箱繪圖函數(shù)的使用9
1.4.1 bolling（布林線）函數(shù)10
1.4.2 highlow（高低價）函數(shù)13
1.4.3 candle（陰陽燭圖）函數(shù)16
1.4.4　kagi（折線圖）函數(shù)21
1.4.5 renko（磚形圖）函數(shù)22
1.4.6　movavg（移動平均圖）函數(shù)23
1.4.7 priceandvol（成交量圖）函數(shù)27
1.4.8 pointfig（漲跌點圖）函數(shù)28
1.4.9 volarea（成交量面積圖）函數(shù)30
第2章 MATLAB高級應(yīng)用32
2.1 正余弦函數(shù)計算32
2.2 pcode加密32
2.3 基本GUI設(shè)計33
2.4 GUI的優(yōu)化布局41
2.5 日期格式函數(shù)43
2.6 日期轉(zhuǎn)化函數(shù)45
2.7 創(chuàng)建一個金融時間數(shù)據(jù)序列47
2.8 股票技術(shù)分析圖函數(shù)使用49
第3章 時間序列數(shù)據(jù)處理55
3.1 平均絕對離差55
3.2 序列最大值57
3.3 序列最小值60
3.4 簡單移動平均值62
3.5 動態(tài)移動平均值65
3.6 指數(shù)平滑移動平均值67
3.7 指數(shù)移動平均值69
第4章 量化投資趨向指標(biāo)73
4.1 升降線指標(biāo)73
4.2 動力指標(biāo)76
4.3 變動速率線指標(biāo)77
4.4 瀑布線指標(biāo)79
4.5 上升動向指標(biāo)81
4.6 下降動向指標(biāo)83
4.7 動向平均數(shù)指標(biāo)85
4.8 多空指數(shù)指標(biāo)88
4.9 佳慶指標(biāo)90
4.10 市場趨勢指標(biāo)92
4.11 方向標(biāo)準離差指數(shù)指標(biāo)94
4.12 平均線差97
4.13 趨向指標(biāo)98
4.14 簡易波動指標(biāo)102
4.15 鬼道線指標(biāo)104
4.16 絕路航標(biāo)指標(biāo)106
4.17 加速線指標(biāo)109
4.18 平滑異同平均指標(biāo)111
4.19 快速異同平均指標(biāo)113
4.20 強弱值指標(biāo)115
4.21 三重指數(shù)平滑平均線指標(biāo)117
4.22 終極指標(biāo)119
4.23 變異平均線指標(biāo)122
第5章 量化投資反趨向指標(biāo)124
5.1 幅度漲速指標(biāo)124
5.2 動態(tài)買賣人氣指標(biāo)126
5.3 布林極限指標(biāo)128
5.4 乖離率指標(biāo)131
5.5 異同離差乖離率指標(biāo)133
5.6 順勢指標(biāo)135
5.7 市場能量指標(biāo)137
5.8 多空線指標(biāo)139
5.9 區(qū)間震蕩線指標(biāo)141
5.10 分水嶺指標(biāo)142
5.11 隨機指標(biāo)144
5.12 威廉指標(biāo)148
5.13 L威廉指標(biāo)150
5.14 變動速率指標(biāo)152
5.15 相對強弱指標(biāo)153
5.16 慢速隨機指標(biāo)156
5.17 擺動指標(biāo)159
5.18 動向速度比率指標(biāo)162
5.19 引力線指標(biāo)164
5.20 布林極限寬度指標(biāo)166
第2篇 MATLAB機器學(xué)習(xí)算法應(yīng)用設(shè)計
第6章 BP神經(jīng)網(wǎng)絡(luò)工具箱上證指數(shù)預(yù)測170
6.1 BP神經(jīng)網(wǎng)絡(luò)模型及其基本原理170
6.2 MATLAB BP神經(jīng)網(wǎng)絡(luò)工具箱171
6.3 BP神經(jīng)網(wǎng)絡(luò)執(zhí)行流程173
6.4 基于BP網(wǎng)絡(luò)的上證指數(shù)預(yù)測174
6.5 改進分析178
第7章 BP神經(jīng)網(wǎng)絡(luò)工具箱多指標(biāo)預(yù)測186
7.1 BP神經(jīng)網(wǎng)絡(luò)186
7.2 多指標(biāo)選取187
7.3 基于趨勢指標(biāo)的BP網(wǎng)絡(luò)預(yù)測195
7.4 基于反趨勢指標(biāo)的BP網(wǎng)絡(luò)預(yù)測204
7.5 基于趨勢和反趨勢指標(biāo)的BP網(wǎng)絡(luò)預(yù)測211
第8章 RBF神經(jīng)網(wǎng)絡(luò)多指標(biāo)預(yù)測216
8.1 RBF神經(jīng)網(wǎng)絡(luò)216
8.2 RBF網(wǎng)絡(luò)結(jié)構(gòu)216
8.3 多指標(biāo)選取219
8.4 基于趨勢指標(biāo)的RBF網(wǎng)絡(luò)預(yù)測220
8.5 基于反趨勢指標(biāo)的RBF網(wǎng)絡(luò)預(yù)測224
8.6 基于趨勢和反趨勢指標(biāo)的RBF網(wǎng)絡(luò)預(yù)測228
第9章 Hopfield神經(jīng)網(wǎng)絡(luò)多指標(biāo)預(yù)測232
9.1 Hopfield神經(jīng)網(wǎng)絡(luò)232
9.2 多指標(biāo)選取234
9.3 基于趨勢指標(biāo)的Hopfield網(wǎng)絡(luò)預(yù)測234
9.4 基于反趨勢指標(biāo)的Hopfield網(wǎng)絡(luò)預(yù)測237
9.5 基于趨勢和反趨勢指標(biāo)的Hopfield網(wǎng)絡(luò)預(yù)測239
第10章 馬爾可夫（Markov）鏈上證指數(shù)預(yù)測242
10.1 馬爾可夫鏈模型242
10.2 馬爾可夫鏈模型流程242
10.3 馬爾可夫鏈預(yù)測243
10.4 隱馬爾可夫模型函數(shù)表253
第11章 灰色理論下的上證指數(shù)預(yù)測254
11.1 灰色理論分析254
11.2 灰色關(guān)聯(lián)分析流程254
11.3 多指標(biāo)灰色關(guān)聯(lián)度計算255
11.4 灰色預(yù)測模型流程259
11.5 ACCER幅度漲速指標(biāo)灰色預(yù)測260
第12章 指數(shù)平滑下的上證指數(shù)預(yù)測263
12.1 指數(shù)平滑分析263
12.1.1 一次指數(shù)平滑預(yù)測法263
12.1.2 二次指數(shù)平滑預(yù)測法264
12.1.3 三次指數(shù)平滑預(yù)測法264
12.2 指數(shù)平滑仿真265
12.2.1 一次指數(shù)平滑265
12.2.2 二次指數(shù)平滑268
12.2.3 三次指數(shù)平滑270
第13章 支持向量機SVM下的漲跌預(yù)測274
13.1 Logistic回歸274
13.2 Regularization正則化方程275
13.3 支持向量機SVM算法275
13.4 MATLAB優(yōu)化工具箱277
13.4.1 線性規(guī)劃問題278
13.4.2 非線性規(guī)劃問題279
13.4.3 二次規(guī)劃問題280
13.4.4 線性最小二乘282
13.4.5 非線性曲線擬合283
13.4.6 非線性最小二乘284
13.5 SVM下的上證指數(shù)漲跌預(yù)測285
13.6 PSO優(yōu)化的SVM多分類預(yù)測297
第14章 貝葉斯（Bayes）網(wǎng)絡(luò)多指標(biāo)預(yù)測305
14.1 貝葉斯統(tǒng)計方法305
14.2 貝葉斯預(yù)測方法307
14.3 貝葉斯網(wǎng)絡(luò)的數(shù)據(jù)預(yù)測307
14.4 貝葉斯網(wǎng)絡(luò)下的價格指數(shù)建模與預(yù)測317
14.4.1 讀入采集到的數(shù)據(jù)318
14.4.2 建立貝葉斯網(wǎng)絡(luò)319
14.4.3 對構(gòu)建的貝葉斯網(wǎng)絡(luò)進行參數(shù)學(xué)習(xí)319
14.4.4 條件概率分析321
第15章 Pareto多目標(biāo)優(yōu)化分析325
15.1 經(jīng)典測試函數(shù)325
15.2 遺傳算法優(yōu)化的單目標(biāo)模型330
15.3 Pareto多目標(biāo)求解GUI設(shè)