MATLAB金融算法分析實戰(zhàn)：基于機器學習的股票量化分析

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73
4.1 升降線指標73
4.2 動力指標76
4.3 變動速率線指標77
4.4 瀑布線指標79
4.5 上升動向指標81
4.6 下降動向指標83
4.7 動向平均數(shù)指標85
4.8 多空指數(shù)指標88
4.9 佳慶指標90
4.10 市場趨勢指標92
4.11 方向標準離差指數(shù)指標94
4.12 平均線差97
4.13 趨向指標98
4.14 簡易波動指標102
4.15 鬼道線指標104
4.16 絕路航標指標106
4.17 加速線指標109
4.18 平滑異同平均指標111
4.19 快速異同平均指標113
4.20 強弱值指標115
4.21 三重指數(shù)平滑平均線指標117
4.22 終極指標119
4.23 變異平均線指標122
第5章 量化投資反趨向指標124
5.1 幅度漲速指標124
5.2 動態(tài)買賣人氣指標126
5.3 布林極限指標128
5.4 乖離率指標131
5.5 異同離差乖離率指標133
5.6 順勢指標135
5.7 市場能量指標137
5.8 多空線指標139
5.9 區(qū)間震蕩線指標141
5.10 分水嶺指標142
5.11 隨機指標144
5.12 威廉指標148
5.13 L威廉指標150
5.14 變動速率指標152
5.15 相對強弱指標153
5.16 慢速隨機指標156
5.17 擺動指標159
5.18 動向速度比率指標162
5.19 引力線指標164
5.20 布林極限寬度指標166
第2篇 MATLAB機器學習算法應(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)工具箱多指標預測186
7.1 BP神經(jīng)網(wǎng)絡(luò)186
7.2 多指標選取187
7.3 基于趨勢指標的BP網(wǎng)絡(luò)預測195
7.4 基于反趨勢指標的BP網(wǎng)絡(luò)預測204
7.5 基于趨勢和反趨勢指標的BP網(wǎng)絡(luò)預測211
第8章 RBF神經(jīng)網(wǎng)絡(luò)多指標預測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 多指標選取219
8.4 基于趨勢指標的RBF網(wǎng)絡(luò)預測220
8.5 基于反趨勢指標的RBF網(wǎng)絡(luò)預測224
8.6 基于趨勢和反趨勢指標的RBF網(wǎng)絡(luò)預測228
第9章 Hopfield神經(jīng)網(wǎng)絡(luò)多指標預測232
9.1 Hopfield神經(jīng)網(wǎng)絡(luò)232
9.2 多指標選取234
9.3 基于趨勢指標的Hopfield網(wǎng)絡(luò)預測234
9.4 基于反趨勢指標的Hopfield網(wǎng)絡(luò)預測237
9.5 基于趨勢和反趨勢指標的Hopfield網(wǎng)絡(luò)預測239
第10章 馬爾可夫（Markov）鏈上證指數(shù)預測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 多指標灰色關(guān)聯(lián)度計算255
11.4 灰色預測模型流程259
11.5 ACCER幅度漲速指標灰色預測260
第12章 指數(shù)平滑下的上證指數(shù)預測263
12.1 指數(shù)平滑分析263
12.1.1 一次指數(shù)平滑預測法263
12.1.2 二次指數(shù)平滑預測法264
12.1.3 三次指數(shù)平滑預測法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)漲跌預測285
13.6 PSO優(yōu)化的SVM多分類預測297
第14章 貝葉斯（Bayes）網(wǎng)絡(luò)多指標預測305
14.1 貝葉斯統(tǒng)計方法305
14.2 貝葉斯預測方法307
14.3 貝葉斯網(wǎng)絡(luò)的數(shù)據(jù)預測307
14.4 貝葉斯網(wǎng)絡(luò)下的價格指數(shù)建模與預測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)學習319
14.4.4 條件概率分析321
第15章 Pareto多目標優(yōu)化分析325
15.1 經(jīng)典測試函數(shù)325
15.2 遺傳算法優(yōu)化的單目標模型330
15.3 Pareto多目標求解GUI設(shè)