图书介绍
MATLAB金融算法分析实战 基于机器学习的股票量化分析pdf电子书版本下载
- 吴婷,余胜威编著 著
- 出版社: 北京:机械工业出版社
- ISBN:9787111573005
- 出版时间:2017
- 标注页数:353页
- 文件大小:32MB
- 文件页数:365页
- 主题词:Matlab软件-应用-金融-算法分析-研究
PDF下载
下载说明
MATLAB金融算法分析实战 基于机器学习的股票量化分析PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!
(文件页数 要大于 标注页数,上中下等多册电子书除外)
注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具
图书目录
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