基本信息
内容简介
书籍
计算机书籍
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。
计算机书籍
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。
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
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
前言
2015年6月15日，上证指数达到近7年新高，吸引了大批的投资者将更多的资金投入股市，由此使得股票优化预测成为广大投资者关注的焦点。投资者较多地查看炒股软件提供的QACD曲线、KDJ曲线、交易量柱状（bar）图等指标，而这些指标的指示作用早已褪去了往日的光鲜，本书正是基于此背景而编写。本书以MATLAB 2015b为工具，采用机器学习算法研究股票趋势，可以给投资者和研究投资的人员提供强有力的量化投资支撑。
算法是大数据分析的灵魂，好的算法能够简化问题的求解，并且能够从大数据的海洋里找到最有价值的信息，以提高用户的工作效率。本书使用的算法区别于常用的群智能算法。群智能算法较多地应用于优化求解问题方面，学术味浓。而本书则是通过大数据，采用机器学习算法对数据内在规律进行学习，用户根本无须知道机器学习算法的黑匣子，就能得到90%的有用信息，从而给投资者提供最有价值的信息。因此金融大数据算法具有较大的实际应用价值。
市场上的金融量化投资分析方法，很少分析与应用BP神经网络、RBF神经网络、Hopfield神经网络、马尔可夫（Markov）链、灰色理论、指数平滑、支持向量机SVM、贝叶斯（Bayes）网络等方法。本书正是基于这样一个出发点，从机器学习算法出发，采用MATLAB仿真软件，对金融大数据进行仿真分析，并且给出了全部的可执行代码，极大地丰富了MATLAB算法应用，并且可以让读者了解不同的算法原理及求解流程，从而真正掌握MATLAB金融算法分析。
本书所有案例均采用MATLAB进行设计，针对不同的工程背景，采用了不同的算法对涉及案例进行求解，让读者真正理解算法实质，从而将这些算法思想更好地应用于实际的金融分析与投资中。本书以机器学习算法应用为主，做到了理论和算法相结合，详解设计思路和设计步骤，向读者展示了如何运用MATLAB进行算法开发和设计。
值得说明的是，很多读者可能并不关注算法本身的原理，只需要采用该算法解决自己的课题即可，那么本书也是很好的选择。本书将核心算法代码全部写成了可调用的子函数脚本文件，读者只需要查看主程序代码，进行数据更改和参数设置等即可运行、求解。本书有着最精华、最通俗易懂的算法剖析过程，希望广大读者能够学有所成。
本书特色
1．内容讲解不枯燥
本书结合相关理论实际，抽出和算法相关的理论作为支撑，通过求解流程及算法迭代过程，让读者容易理解并且掌握。
2．全书覆盖面广
本书涵盖了MATLAB基础知识、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、RBF神经网络、Hopfield神经网络、马尔可夫（Markov）链、灰色理论、指数平滑、支持向量机SVM、贝叶斯（Bayes）网络、Pareto多目标优化分析等内容。针对分类预测和优化等问题，本书采用了不同的算法进行设计，初学者通过阅读本书，可以开发出适用于解决自己问题的程序。
3．循序渐进，由浅入深
本书从算法原理与求解流程出发，辅以程序验证，通过算法代码，可以反过来去理解算法原理中所涉及的公式，做到逐步地引导读者去认识和掌握算法的思想。
4．真实案例，随学随用
本书是一本注重实践的书，书中有大量篇幅用在了MATLAB算法解决实际问题的案例中。读者只需要稍加修改这些案列，即可用于自己的项目或课题上，从而实现问题的求解。
5．语言通俗易懂
本书选择了历年的上证指数数据进行分析，并且对于趋势量化投资指标和反趋势量化投资指标均给出了最底层的可执行代码。另外，本书还绘制了每个指标随上证指数的变化图，以加深读者的理解。
6．图示丰富，容易理解
本书所有案例中的配图相当丰富，通过前后的对比图，读者能很快地掌握知识点。
本书内容及体系结构
第1篇 MATLAB常用算法应用设计（第1~5章）
算法是大数据分析的灵魂，好的算法能够简化问题的求解，并且能够从大数据的海洋里找到最有价值的信息，以提高用户的工作效率。本书使用的算法区别于常用的群智能算法。群智能算法较多地应用于优化求解问题方面，学术味浓。而本书则是通过大数据，采用机器学习算法对数据内在规律进行学习，用户根本无须知道机器学习算法的黑匣子，就能得到90%的有用信息，从而给投资者提供最有价值的信息。因此金融大数据算法具有较大的实际应用价值。
市场上的金融量化投资分析方法，很少分析与应用BP神经网络、RBF神经网络、Hopfield神经网络、马尔可夫（Markov）链、灰色理论、指数平滑、支持向量机SVM、贝叶斯（Bayes）网络等方法。本书正是基于这样一个出发点，从机器学习算法出发，采用MATLAB仿真软件，对金融大数据进行仿真分析，并且给出了全部的可执行代码，极大地丰富了MATLAB算法应用，并且可以让读者了解不同的算法原理及求解流程，从而真正掌握MATLAB金融算法分析。
本书所有案例均采用MATLAB进行设计，针对不同的工程背景，采用了不同的算法对涉及案例进行求解，让读者真正理解算法实质，从而将这些算法思想更好地应用于实际的金融分析与投资中。本书以机器学习算法应用为主，做到了理论和算法相结合，详解设计思路和设计步骤，向读者展示了如何运用MATLAB进行算法开发和设计。
值得说明的是，很多读者可能并不关注算法本身的原理，只需要采用该算法解决自己的课题即可，那么本书也是很好的选择。本书将核心算法代码全部写成了可调用的子函数脚本文件，读者只需要查看主程序代码，进行数据更改和参数设置等即可运行、求解。本书有着最精华、最通俗易懂的算法剖析过程，希望广大读者能够学有所成。
本书特色
1．内容讲解不枯燥
本书结合相关理论实际，抽出和算法相关的理论作为支撑，通过求解流程及算法迭代过程，让读者容易理解并且掌握。
2．全书覆盖面广
本书涵盖了MATLAB基础知识、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、RBF神经网络、Hopfield神经网络、马尔可夫（Markov）链、灰色理论、指数平滑、支持向量机SVM、贝叶斯（Bayes）网络、Pareto多目标优化分析等内容。针对分类预测和优化等问题，本书采用了不同的算法进行设计，初学者通过阅读本书，可以开发出适用于解决自己问题的程序。
3．循序渐进，由浅入深
本书从算法原理与求解流程出发，辅以程序验证，通过算法代码，可以反过来去理解算法原理中所涉及的公式，做到逐步地引导读者去认识和掌握算法的思想。
4．真实案例，随学随用
本书是一本注重实践的书，书中有大量篇幅用在了MATLAB算法解决实际问题的案例中。读者只需要稍加修改这些案列，即可用于自己的项目或课题上，从而实现问题的求解。
5．语言通俗易懂
本书选择了历年的上证指数数据进行分析，并且对于趋势量化投资指标和反趋势量化投资指标均给出了最底层的可执行代码。另外，本书还绘制了每个指标随上证指数的变化图，以加深读者的理解。
6．图示丰富，容易理解
本书所有案例中的配图相当丰富，通过前后的对比图，读者能很快地掌握知识点。
本书内容及体系结构
第1篇 MATLAB常用算法应用设计（第1~5章）
