MATLAB金融算法分析实战 基于机器学习的股票量化分析PDF电子书下载

第1篇 MATLAB常用算法应用设计 2

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

1.3 Monte Carlo方法 7

1.4 金融工具箱绘图函数的使用 9

1.4.1 bolling（布林线）函数 10

1.4.2 highlow（高低价）函数 13

1.4.3 candle（阴阳烛图）函数 16

1.4.4 kagi（折线图）函数 21

1.4.5 renko（砖形图）函数 22

1.4.6 movavg（移动平均图）函数 23

1.4.7 priceandvol（成交量图）函数 27

1.4.8 pointfig（涨跌点图）函数 28

1.4.9 volarea（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

2.2 pcode加密 32

2.3 基本GUI设计 33

2.4 GUI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 序列最大值 57

3.3 序列最小值 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

5.13 L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 170

第6章 BP神经网络工具箱上证指数预测 170

6.1 BP神经网络模型及其基本原理 170

6.2 MATLAB BP神经网络工具箱 171

6.3 BP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

7.1 BP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

8.1 RBF神经网络 216

8.2 RBF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

9.1 Hopfield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

11.5 ACCER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

13.1 Logistic回归 274

13.2 Regularization正则化方程 275

13.3 支持向量机SVM算法 275

13.4 MATLAB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 线性最小二乘 282

13.4.5 非线性曲线拟合 283

13.4.6 非线性最小二乘 284

13.5 SVM下的上证指数涨跌预测 285

13.6 PSO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

15.3 Pareto多目标求解GUI设计 336

参考文献 353