MATLAB金融算法分析实战 基于机器学习的股票量化分析 下载 mobi epub pdf 电子书 2024

编辑推荐

MATLAB中文论坛鼎力支持，提供“在线交流，有问有答”网络互动答疑平台

详解MATLAB金融工具箱及金融算法分析与应用

涵盖43个量化投资指标、14种算法应用和23个算法案例

涵盖14种常用数据处理算法、8种股票预测机器学习算法

详解MATLAB金融数据挖掘中的趋向和发展趋势指标

从机器学习算法出发，用MATLAB对金融大数据进行仿真分析

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

前言/序言

2015年6月15日，上证指数达到近7年新高，吸引了大批的投资者将更多的资金投入股市，由此使得股票优化预测成为广大投资者关注的焦点。投资者较多地查看炒股软件提供的QACD曲线、KDJ曲线、交易量柱状（bar）图等指标，而这些指标的指示作用早已褪去了往日的光鲜，本书正是基于此背景而编写。本书以MATLAB 2015b为工具，采用机器学习算法研究股票趋势，可以给投资者和研究投资的人员提供强有力的量化投资支撑。

算法是大数据分析的灵魂，好的算法能够简化问题的求解，并且能够从大数据的海洋里找到最有价值的信息，以提高用户的工作效率。本书使用的算法区别于常用的群智能算法。群智能算法较多地应用于优化求解问题方面，学术味浓。而本书则是通过大数据，采用机器学习算法对数据内在规律进行学习，用户根本无须知道机器学习算法的黑匣子，就能得到90%的有用信息，从而给投资者提供最有价值的信息。因此金融大数据算法具有较大的实际应用价值。

市场上的金融量化投资分析方法，很少分析与应用BP神经网络、RBF神经网络、Hopfield神经网络、马尔可夫（Markov）链、灰色理论、指数平滑、支持向量机SVM、贝叶斯（Bayes）网络等方法。本书正是基于这样一个出发点，从机器学习算法出发，采用MATLAB仿真软件，对金融大数据进行仿真分析，并且给出了全部的可执行代码，极大地丰富了MATLAB算法应用，并且可以让读者了解不同的算法原理及求解流程，从而真正掌握MATLAB金融算法分析。

本书所有案例均采用MATLAB进行设计，针对不同的工程背景，采用了不同的算法对涉及案例进行求解，让读者真正理解算法实质，从而将这些算法思想更好地应用于实际的金融分析与投资中。本书以机器学习算法应用为主，做到了理论和算法相结合，详解设计思路和设计步骤，向读者展示了如何运用MATLAB进行算法开发和设计。

值得说明的是，很多读者可能并不关注算法本身的原理，只需要采用该算法解决自己的课题即可，那么本书也是很好的选择。本书将核心算法代码全部写成了可调用的子函数脚本文件，读者只需要查看主程序代码，进行数据更改和参数设置等即可运行、求解。本书有着最精华、最通俗易懂的算法剖析过程，希望广大读者能够学有所成。

本书特色1．内容讲解不枯燥

本书结合相关理论实际，抽出和算法相关的理论作为支撑，通过求解流程及算法迭代过程，让读者容易理解并且掌握。

2．全书覆盖面广

本书涵盖了MATLAB基础知识、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、RBF神经网络、Hopfield神经网络、马尔可夫（Markov）链、灰色理论、指数平滑、支持向量机SVM、贝叶斯（Bayes）网络、Pareto多目标优化分析等内容。针对分类预测和优化等问题，本书采用了不同的算法进行设计，初学者通过阅读本书，可以开发出适用于解决自己问题的程序。

3．循序渐进，由浅入深

本书从算法原理与求解流程出发，辅以程序验证，通过算法代码，可以反过来去理解算法原理中所涉及的公式，做到逐步地引导读者去认识和掌握算法的思想。

4．真实案例，随学随用

本书是一本注重实践的书，书中有大量篇幅用在了MATLAB算法解决实际问题的案例中。读者只需要稍加修改这些案列，即可用于自己的项目或课题上，从而实现问题的求解。

5．语言通俗易懂

本书选择了历年的上证指数数据进行分析，并且对于趋势量化投资指标和反趋势量化投资指标均给出了最底层的可执行代码。另外，本书还绘制了每个指标随上证指数的变化图，以加深读者的理解。

6．图示丰富，容易理解

本书所有案例中的配图相当丰富，通过前后的对比图，读者能很快地掌握知识点。

本书内容及体系结构第1篇 MATLAB常用算法应用设计（第1~5章）

本篇介绍了MATLAB常用算法，包括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等案例，通过该类较为常用的算法引入，读者可以应用这些案例解决一些常见问题，如函数优化预测、拟合回归、分类、股票投资趋向指标、量化投资反趋向指标等，经过这些内容的学习，既适应了不同的读者，也为第2篇的引入打下了坚实的算法基础。

第2篇 MATLAB机器学习算法应用设计（第6~15章）

本篇涉及面较广，列举了BP神经网络工具箱上证指数预测、BP神经网络多指标预测、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多目标优化分析等，通过案例分析，结合算法理论和程序代码，真正地适合广大师生的需要。MATALB高级算法应用，向更加广泛、更加具体、更多应用发展，让读者真正掌握算法核心，开发和设计出自己的可移植性代码。

本书读者对象

l MATLAB 量化投资开发人员；

l MATLAB金融算法爱好者；

l 刚入职的初中级程序员；

l 大、中专院校师生；

l 相关培训学校的学员；

l MATLAB爱好者；

l MATALB相关从业人员。

笔者结合自己在工作和学习期间掌握的各类算法，以及出于对股票投资和MATLAB的爱好，通过参阅大量的相关资料，精心准备，编写了本书。本书在写作过程中参考了一些笔者平时积累的资料，部分资料来自于前辈们的著作，在此向这些前辈们表示深深的敬意和感谢！由于无法联系到原作者，所以写作时也无法一一征求意见。如果有不当之处，请联系笔者或者本书编辑。

读者在阅读本书的过程中若有疑问，可以在MATLAB中文论坛的本书交流版块提问，也可以发邮件到hzbook2017@163.com，我们会及时答复。

在线交流，有问有答

国内非常知名的MATLAB&Simulink;技术交流平台——MATLAB中文论坛（www.ilovematlab.cn）联合本书作者和编辑，一起为您提供与本书相关的问题解答和MATLAB技术支持服务，让您获得极佳的阅读体验。请随时登录MATLAB中文论坛，提出您在阅读本书时产生的疑问，作者和相关编辑将定期为您解答。您对本书的任何建议，也可以在论坛上发帖，以便于我们后续改进。您的建议将是我们创造精品的最大动力和源泉。

“在线交流，有问有答”网络互动参与步骤：

（1）在MATLAB中文论坛www.ilovematlab.cn上注册一个会员账号并登录。

（2）完成论坛账户邮箱验证，在论坛“MATLAB读书频道：与作者面对面交流”版块上找到本书版块，如图1所示。

（3）进入书籍版块，发帖提问，与作者在线交流。

（4）其他增值服务。读者可以通过本书的“在线交流，有问有答”版块下载本书源程序等教学资源，也可以查看本书的相关勘误信息，如图2所示（因本书版块在图书出版后才能申请成功，所以这里用已经出版的图书示意图来代替）。

个人觉得挺不错的，对技术有一定要求，适合有程序背景的来看。

书本里带有大量实例 讲解也到位 不错

同类书籍中比较好的，值得一读。

作者还搞了个github，分享源代码。但是其实工具体系化并不怎么完善。

音质一般，性价比还算不错

物美价廉，很愉快的购货体验

卡出去了还款日是想冔也叫上

希望这本书能带给我需要的知识。很激动，想立即上手。

不错，还可以，已经开始在看了。不错，还可以，已经开始在看了。