我用夸克网盘分享了「MATLAB金融算法分析实战：基于机器学习的股票量化分析.epub」，点击链接即可保存。打开「夸克APP」在线查看，支持多种文档格式转换。

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。

网友热评

Glandy: 学金融不需要学计算机，那些是给下面的人干的。 刘海隆: 三百多页一半代码10个案例，用指标预测隔日涨跌，很坑

图书目录

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 1.3MonteCarlo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 2.2pcode加密32 2.3基本GUI设计33 2.4GUI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 5.13L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 6.1BP神经网络模型及其基本原理170 6.2MATLABBP神经网络工具箱171 6.3BP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 7.1BP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 8.1RBF神经网络216 8.2RBF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 9.1Hopfield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 11.5ACCER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