MATLAB金融算法分析实战:基于机器学习的股票量化分析电子书

前言

第1篇 MATLAB常用算法应用设计

第1章 MATLAB入门与提高

1.1 矩阵运算

1.2 放大局部视图

1.3 Monte Carlo方法

1.4 金融工具箱绘图函数的使用

1.4.1 bolling（布林线）函数

1.4.2 highlow（高低价）函数

1.4.3 candle（阴阳烛图）函数

1.4.4 kagi（折线图）函数

1.4.5 renko（砖形图）函数

1.4.6 movavg（移动平均图）函数

1.4.7 priceandvol（成交量图）函数

1.4.8 pointfig（涨跌点图）函数

1.4.9 volarea（成交量面积图）函数

第2章 MATLAB高级应用

2.1 正余弦函数计算

2.2 pcode加密

2.3 基本GUI设计

2.4 GUI的优化布局

2.5 日期格式函数

2.6 日期转化函数

2.7 创建一个金融时间数据序列

2.8 股票技术分析图函数使用

第3章 时间序列数据处理

3.1 平均绝对离差

3.2 序列最大值

3.3 序列最小值

3.4 简单移动平均值

3.5 动态移动平均值

3.6 指数平滑移动平均值

3.7 指数移动平均值

第4章 量化投资趋向指标

4.1 升降线指标

4.2 动力指标

4.3 变动速率线指标

4.4 瀑布线指标

4.5 上升动向指标

4.6 下降动向指标

4.7 动向平均数指标

4.8 多空指数指标

4.9 佳庆指标

4.10 市场趋势指标

4.11 方向标准离差指数指标

4.12 平均线差

4.13 趋向指标

4.14 简易波动指标

4.15 鬼道线指标

4.16 绝路航标指标

4.17 加速线指标

4.18 平滑异同平均指标

4.19 快速异同平均指标

4.20 强弱值指标

4.21 三重指数平滑平均线指标

4.22 终极指标

4.23 变异平均线指标

第5章 量化投资反趋向指标

5.1 幅度涨速指标

5.2 动态买卖人气指标

5.3 布林极限指标

5.4 乖离率指标

5.5 异同离差乖离率指标

5.6 顺势指标

5.7 市场能量指标

5.8 多空线指标

5.9 区间震荡线指标

5.10 分水岭指标

5.11 随机指标

5.12 威廉指标

5.13 L威廉指标

5.14 变动速率指标

5.15 相对强弱指标

5.16 慢速随机指标

5.17 摆动指标

5.18 动向速度比率指标

5.19 引力线指标

5.20 布林极限宽度指标

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

6.1 BP神经网络模型及其基本原理

6.2 MATLAB BP神经网络工具箱

6.3 BP神经网络执行流程

6.4 基于BP网络的上证指数预测

6.5 改进分析

第7章 BP神经网络工具箱多指标预测

7.1 BP神经网络

7.2 多指标选取

7.3 基于趋势指标的BP网络预测

7.4 基于反趋势指标的BP网络预测

7.5 基于趋势和反趋势指标的BP网络预测

第8章 RBF神经网络多指标预测

8.1 RBF神经网络

8.2 RBF网络结构

8.3 多指标选取

8.4 基于趋势指标的RBF网络预测

8.5 基于反趋势指标的RBF网络预测

8.6 基于趋势和反趋势指标的RBF网络预测

第9章 Hopfield神经网络多指标预测

9.1 Hopfield神经网络

9.2 多指标选取

9.3 基于趋势指标的Hopfield网络预测

9.4 基于反趋势指标的Hopfield网络预测

9.5 基于趋势和反趋势指标的Hopfield网络预测

第10章 马尔可夫（Markov）链上证指数预测

10.1 马尔可夫链模型

10.2 马尔可夫链模型流程

10.3 马尔可夫链预测

10.4 隐马尔可夫模型函数表

第11章 灰色理论下的上证指数预测

11.1 灰色理论分析

11.2 灰色关联分析流程

11.3 多指标灰色关联度计算

11.4 灰色预测模型流程

11.5 ACCER幅度涨速指标灰色预测

第12章 指数平滑下的上证指数预测

12.1 指数平滑分析

12.1.1 一次指数平滑预测法

12.1.2 二次指数平滑预测法

12.1.3 三次指数平滑预测法

12.2 指数平滑仿真

12.2.1 一次指数平滑

12.2.2 二次指数平滑

12.2.3 三次指数平滑

第13章 支持向量机SVM下的涨跌预测

13.1 Logistic回归

13.2 Regularization正则化方程

13.3 支持向量机SVM算法

13.4 MATLAB优化工具箱

13.4.1 线性规划问题

13.4.2 非线性规划问题

13.4.3 二次规划问题

13.4.4 线性最小二乘

13.4.5 非线性曲线拟合

13.4.6 非线性最小二乘

13.5 SVM下的上证指数涨跌预测

13.6 PSO优化的SVM多分类预测

第14章 贝叶斯（Bayes）网络多指标预测

14.1 贝叶斯统计方法

14.2 贝叶斯预测方法

14.3 贝叶斯网络的数据预测

14.4 贝叶斯网络下的价格指数建模与预测

14.4.1 读入采集到的数据

14.4.2 建立贝叶斯网络

14.4.3 对构建的贝叶斯网络进行参数学习

14.4.4 条件概率分析

第15章 Pareto多目标优化分析

15.1 经典测试函数

15.2 遗传算法优化的单目标模型

15.3 Pareto多目标求解GUI设计

参考文献