MATLAB金融算法分析实战 基于机器学习的股票量化分析

图书标准信息

• 作者 吴婷 余胜威 著
• 出版社 机械工业出版社
• 出版时间 2017-08
• 版次 1
• ISBN 9787111573005
• 定价 79.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 352页

【内容简介】

本书全面系统地讲解了MATLAB金融算法分析与应用，以及金融数据挖掘中的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书中的内容。

 

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 金融分析算法的人员阅读，也适合各种量化投资开发人员阅读。另外，本书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。

 

一分钟了解本书精华内容

 

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

 

【作者简介】

吴婷  长期从事金融大数据研究，擅长杜邦分析和数据预测算法。精通MATLAB和STATA等科学计算软件。目前主要研究方向为公司金融管理、风险管理及股票预测算法挖掘等。

 

 

 

余胜威  图像算法工程师。毕业于西南交通大学，获硕士学位。有6年以上的MATLAB应用经验，精通MATLAB算法开发。曾多次获得全国和省级数学建模竞赛大奖，发表论文多篇，独立编写MATLAB应用技术图书多部。目前主要从事图像处理、人工智能、模式识别和音效增强等算法研究工作。

 

【目录】

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

 

1.3  Monte Carlo方法 7

 

1.4  金融工具箱绘图函数的使用 9

 

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

 

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

 

12.2  指数平滑仿真 265

 

第13章  支持向量机SVM下的涨跌预测 274

 

第14章  贝叶斯（Bayes）网络多指标预测 305

 

第15章  Pareto多目标优化分析 325

 

参考文献 353