掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
MATLAB金融算法分析實戰-基于機器學習的股票量化分析 版權信息
- ISBN：9787111573005
- 條形碼：9787111573005 ; 978-7-111-57300-5
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
MATLAB金融算法分析實戰-基于機器學習的股票量化分析 本書特色
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，并結合具體的機器學習算法分析，讓讀者深入學習和掌握MATLAB金融數據機器學習算法。本書注重實戰，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，對于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**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。
MATLAB金融算法分析實戰-基于機器學習的股票量化分析 內容簡介
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，并結合具體的機器學習算法分析，讓讀者深入學習和掌握MATLAB金融數據機器學習算法。本書注重實戰，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，對于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**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。
MATLAB金融算法分析實戰-基于機器學習的股票量化分析 目錄
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 正余弦函數計算32
2.2 pcode加密32
2.3 基本GUI設計33
2.4 GUI的優化布局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*大值57
3.3 序列*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 指數平滑移動平均值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 瀑布線指標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 區間震蕩線指標141
5.10 分水嶺指標142
5.11 隨機指標144
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 基于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 基于趨勢指標的BP網絡預測195
7.4 基于反趨勢指標的BP網絡預測204
7.5 基于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 基于趨勢指標的RBF網絡預測220
8.5 基于反趨勢指標的RBF網絡預測224
8.6 基于趨勢和反趨勢指標的RBF網絡預測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 基于趨勢指標的Hopfield網絡預測234
9.4 基于反趨勢指標的Hopfield網絡預測237
9.5 基于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 支持向量機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*小二乘282
13.4.5 非線性曲線擬合283
13.4.6 非線性*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 讀入采集到的數據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
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 正余弦函數計算32
2.2 pcode加密32
2.3 基本GUI設計33
2.4 GUI的優化布局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*大值57
3.3 序列*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 指數平滑移動平均值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 瀑布線指標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 區間震蕩線指標141
5.10 分水嶺指標142
5.11 隨機指標144
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 基于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 基于趨勢指標的BP網絡預測195
7.4 基于反趨勢指標的BP網絡預測204
7.5 基于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 基于趨勢指標的RBF網絡預測220
8.5 基于反趨勢指標的RBF網絡預測224
8.6 基于趨勢和反趨勢指標的RBF網絡預測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 基于趨勢指標的Hopfield網絡預測234
9.4 基于反趨勢指標的Hopfield網絡預測237
9.5 基于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 支持向量機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*小二乘282
13.4.5 非線性曲線擬合283
13.4.6 非線性*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 讀入采集到的數據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
展開全部
MATLAB金融算法分析實戰-基于機器學習的股票量化分析 作者簡介
碩士畢業于西南交通大學。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。
書友推薦
- >
唐代進士錄
- >
經典常談
- >
莉莉和章魚
- >
推拿
- >
中國歷史的瞬間
- >
名家帶你讀魯迅:朝花夕拾
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
