MATLAB 金融算法分析實戰 -- 基於機器學習的股票量化分析

本書全面系統地講解了MATLAB金融算法設計應用，以及金融數據挖掘中趨向和發展趨勢指標，並結合具體的機器學習算法分析，讓讀者深入學習和掌握MATLAB金融調制解調器器學習算法。本書註重實戰，通過大量的案例，幫助讀者更好地理解本書內容。本書分為2篇，共15章。主要內容有：MATLAB入門與提高、MATLAB高級應用、時間序列數據處理、量化投資趨向指標、量化投資反趨向指標、BP神經網絡工具箱上證指數預測、BP神經網絡工具箱多指標預測、RBF神經網絡多指標預測、Hopfield神經網絡多指標預測、馬爾可夫（Markov）鏈上證指數預測、灰色理論下的上證指數預測、指數平滑下的上證指數預測、支持向量機SVM下的漲跌預測、貝葉斯（Bayes）網絡多指標預測、Pareto多目標優化分析。本書適合所有想全面學習MATLAB金融分析設計的人員閱讀，也適合各種使用MATlAB進行開發的工程技術人員使用。另外，對於各高校師生解決問題、進行課堂教學等，也是一本不可或缺的必備參考書。同時本書也適合MATLAB愛好者學習使用。本書結合網絡實際，針對網上討論的大部分疑難問題，書中均有涉及。

碩士畢業於西南交通大學。精通MATLAB科學計算、GUI設計、杜邦分析和數據預測算法等。目前主要從事公司金融、風險管理及股票預測算法挖掘等研究。

目錄
前言
在線交流，有問有答

第1篇MATLAB常用算法應用設計

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的使用9 
1.4. 1 bolling（布林線）函數10 
1.4.2 highlow（高低價）函數13 
1.4.3 candle（陰陽燭圖）函數16 
1.4.4 kagi（折線圖）函數21 
1.4.5 renko（磚形圖）函數22 
1.4.6 movavg（移動平均圖）函數23 
1.4.7 priceandvol（成交量圖）函數27 
1.4.8 pointfig（漲跌點圖）函數28 
1.4.9 volarea（成交量面積圖）函數30 

第2章MATLAB高級應用32 
2.1正餘弦函數計算32 
2.2 pcode加密32 
2.3基本GUI設計33 
2.4 GUI的優化佈局41 
2.5日期格式函數43 
2.6日期轉化函數45 
2.7創建一個金融時間數據序列47 
2.8股票技術分析圖函數使用49 

第3章時間序列數據處理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動態移動平均值65 
3.6指數平滑 動平均值67 
3.7指數移動平均值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瀑佈線指標79 
4.5上升動向指標81 
4.6下降動向指標83 
4.7動向平均數指標85 
4.8多空指數指標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區間震盪線指標141 
5.10分水嶺指標142 
5.11隨機指標14 4 
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機器學習算法應用設計

第6章BP神經網絡工具箱上證指數預測170 
6.1 BP神經網絡模型及其基本原理170 
6.2 MATLAB BP神經網絡工具箱171 
6.3 BP神經網絡執行流程173 
6.4基於BP網絡的上證指數預測174 
6.5改進分析178 

第7章BP神經網絡工具箱多指標預測186 
7.1 BP神經網絡186 
7.2多指標選取187 
7.3基於趨勢指標的BP網絡預測195 
7.4基於反趨勢指標的BP網絡預測204 
7.5基於趨勢和反趨勢指標的BP網絡預測211 

第8章RBF神經網絡多指標預測216 
8.1 RBF神經網絡216 
8.2 RBF網絡結構216 
8.3多指標選取219 
8.4基於趨勢指標的RBF網絡預測220 
8.5基於反趨勢指標的RBF網絡預測224 
8.6基於趨勢和反趨勢指標的RBF網絡預 228 

第9章Hopfield神經網絡多指標預測232 
9.1 Hopfield神經網絡232 
9.2多指標選取234 
9.3基於趨勢指標的Hopfield網絡預測234 
9.4基於反趨勢指標的Hopfield網絡預測237 
9.5基於趨勢和反趨勢指標的Hopfield網絡預測239 

第10章馬爾可夫（Markov）鏈上證指數預測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表253 

第11章灰色理論下的上證指數預測254 
11.1灰色理論分析254 
11.2灰色關聯分析流程254 
11.3多指標灰色關聯度計算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章指數平滑下的上證指數預測263 
12.1指數平滑分析263 
12.1.1一次指數平滑預測法263 
12.1.2二次指數平滑預測法264 
12.1.3三次指數平滑預測法264 
12.2指數平滑仿真265 
12.2.1一次指數平滑265 
12.2. 2二次指數平滑268 
12.2.3三次指數平滑270 

第13章支持向量 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優化工具箱277 
13.4.1線性規劃問題278 
13.4.2非線性規劃問題279 
13.4.3二次規劃問題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下的上證指數漲跌預測285 
13.6 PSO優化的SVM多分類預測297 

第14章貝葉斯（Bayes）網絡多指標預測305 
14.1貝葉斯統計方法305 
14.2貝葉斯預測方法307 
14.3貝葉斯網絡的數據預測307 
14.4貝葉斯網絡下的價格指數建模與預測317 
14.4 .1讀入採集到的數據318 
14.4.2建立貝葉斯網絡319 
14.4.3對構建的貝葉斯網絡進行參數學習319 
14.4.4條件概率分析321 

第15章Pareto多目標優化分析325 
15.1經典測試函數325 
15.2遺傳算法優化的單目標模型330 
15.3 Pareto多目標求解GUI設