MATLAB金融算法分析实战：基于机器学习的股票量化分析

目录
前言
在线交流，有问有答
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
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
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