教學(xué)課件-MATLAB金融算法分析-機(jī)器學(xué)習(xí)

1、第一章第一章1個窗口繪制多個圖形x=0:0.01:4*pi;y1 = sin(x);y2 = sin(1.01*x);figure(1),plot(x,y1,r);hold onplot(x,y2,b);grid onxlabel(x);ylabel(y)%haxes2=axes(position,0.3,0.7,0.20,0.20);axis(haxes2);hold onplot(x(250:300),y1(250:300),r-) % 畫圖plot(x(250:300),y2(250:300),b-) % 畫圖axis tight1個窗口繪制多個圖形x=0:0.01:4*pi;Monte

2、 Carlo方法蒙特卡洛Monte Carlo方法是金融學(xué)中應(yīng)用較廣泛的一個方法。對于一個非線性不可微的方程而言，如何去逼近這樣的一個方程，傳統(tǒng)的方法是很難求解的。蒙特卡洛Monte Carlo方法采用隨機(jī)生成點(diǎn)的方法進(jìn)行合理解的計(jì)算，經(jīng)過統(tǒng)計(jì)學(xué)知識，得到方程的近似解，具體的案例分析如下：% 蒙特卡洛Monte Carlo方法tic % 運(yùn)算計(jì)時(shí)P=rand(10000,2);x=P(:,1)-0.5;y=P(:,2);points=find(y=x.2);M=length(points);S=4*M/10000figure(color,1,1,1)plot(x(points),y(point

3、s),bs)toc % 計(jì)時(shí)結(jié)束grid onxlabel(x);ylabel(y)Monte Carlo方法蒙特卡洛Monte Carlo方法金融工具箱繪圖函數(shù)使用金融工具箱繪圖函數(shù)使用布林線bolling函數(shù)布林線bolling函數(shù)高低價(jià)highlow函數(shù)高低價(jià)highlow函數(shù)高低價(jià)highlow函數(shù)高低價(jià)highlow函數(shù)陰陽燭圖candle函數(shù)陰陽燭圖candle函數(shù)磚型圖renko函數(shù)磚型圖renko函數(shù)移動平均圖movavg函數(shù)移動平均圖movavg函數(shù)第二章第二章例如一點(diǎn)的經(jīng)緯度為M（A2，B2），另一點(diǎn)的經(jīng)緯度為N（C2，D2），則MN之間的實(shí)際距離計(jì)算具體如下：% 參考本代

4、碼，請引用并注明 本書信息（余勝威）clc,clear,close all % 清理命令區(qū)、清理工作區(qū)、關(guān)閉顯示圖形warning off % 消除警告feature jit off % 加速代碼運(yùn)行 % 經(jīng)緯度距離計(jì)算A2 = 113.917;B2 = 28.3;C2 = 113.9;D2 = 22.3;DD = 6371004*acos( sin(B2*pi/180) *sin(D2*pi/180)+. cos(B2*pi/180)*cos(D2*pi/180)*cos(C2-A2)*pi/180) ) % 單位米正余弦函數(shù)計(jì)算例如一點(diǎn)的經(jīng)緯度為M（A2，B2），另一點(diǎn)的經(jīng)緯度為N（C2p

5、code加密pcode加密基本GUI設(shè)計(jì)基本GUI設(shè)計(jì)基本GUI設(shè)計(jì)基本GUI設(shè)計(jì)日期格式函數(shù)MATLAB Financial Toolbox提供了大量的日期操作函數(shù)，具體有：now函數(shù)、today函數(shù)、datefind函數(shù)、day函數(shù)、datevec函數(shù)、eomdate函數(shù)、hour函數(shù)、lweekdate函數(shù)、second函數(shù)、minute函數(shù)、month函數(shù)、months函數(shù)、nweekdates函數(shù)、weeknum函數(shù)、year函數(shù)、yeardays函數(shù)。以下將選取比較常用的轉(zhuǎn)換函數(shù)進(jìn)行介紹其使用方法。now函數(shù) time = nowtime = 7.3656e+05now函數(shù)顯示的是

6、公元0年到目前的天數(shù)。日期格式函數(shù)MATLAB Financial Toolbox日期轉(zhuǎn)化函數(shù)Date Conversion函數(shù)包中包含date2time函數(shù)、datedisp函數(shù)、datenum函數(shù)、datestr函數(shù)、m2xdate函數(shù)、time2date函數(shù)、uicalendar函數(shù)、x2mdate函數(shù)。date2time函數(shù)TFactors, F = date2time(Settle, Maturity, Compounding, Basis,EndMonthRule)該函數(shù)輸入中Settle為初始時(shí)間節(jié)點(diǎn)，Maturity為結(jié)束時(shí)間節(jié)點(diǎn)，其中Compounding指標(biāo)和Basis輸入

7、需要用戶注意，具體如下：Compounding指標(biāo)設(shè)置如下：Compounding=0for simple interestDisc = 1/(1 + Z * T), whereTis time in years and simple interest assumes annual timesF = 1.Compounding=1,2,3,4,6,12Disc = (1 + Z/F)(-T), whereFis the compounding frequency,Zis the zero rate, andTis the time in periodic units, for example,

8、T = Fis one year.Compounding=365Disc = (1 + Z/F)(-T), whereFis the number of days in the basis year andTis a number of days elapsed computed by basis.Compounding=-1Disc = exp(-T*Z), whereTis time in years.日期轉(zhuǎn)化函數(shù)Date Conversion函數(shù)包中包含dat對于我國日歷方式，具體設(shè)置為Compounding為365。Basis指標(biāo)設(shè)置如下：0=actual/actual (defaul

9、t)1=30/360 (SIA)2=actual/3603=actual/3654=30/360(PSA)5=30/360(ISDA)6=30/360(European)7=actual/365(Japanese)8=actual/actual (ICMA)9=actual/360 (ICMA)10=actual/365 (ICMA)11=30/360E (ICMA)12=actual/365 (ISDA)13=BUS/252同樣的，對于我國日歷方式，具體設(shè)置Basis為10。對于我國日歷方式，具體設(shè)置為Compounding為365。創(chuàng)建一個金融時(shí)間數(shù)據(jù)序列創(chuàng)建一個金融時(shí)間數(shù)據(jù)序列股票技術(shù)分

10、析圖函數(shù)使用集散指標(biāo)（Accumulation/Distribution oscillator）集散指標(biāo)Accumulation/Distribution oscillator是由股票最高價(jià)、股票最低價(jià)、股票開盤價(jià)以及股票收盤價(jià)決定的參考指標(biāo)。集散指標(biāo)數(shù)值越高，則表明該集散指標(biāo)表示股票股價(jià)變化的分布就越明顯，給投資者的參考信息也就越多。具體的MATLAB工具箱函數(shù)如下：ado = adosc(highp, lowp, openp, closep)ado = adosc(highp lowp openp closep)adots = adosc(tsobj)adots = adosc(tsojb

11、, ParameterName, ParameterValue, .)其中，highp表示股票最高價(jià)，lowp表示股票最低價(jià)，openp表示股票開盤價(jià)，closep表示股票收盤價(jià)，tsobj表示一個時(shí)間序列結(jié)構(gòu)體數(shù)據(jù)，ParameterName有四種類型股票技術(shù)分析圖函數(shù)使用集散指標(biāo)（Accumulation/D集散指標(biāo)集散指標(biāo)蔡金擺動指標(biāo)蔡金擺動指標(biāo)MACD曲線MACD曲線謝謝謝謝第三章第三章平均絕對離差平均絕對離差（mean absolute deviation或者表示為average absolute deviation）：計(jì)算各觀察值與平均值的距離總和，然后取其平均數(shù)。平均絕對離差A(yù)V

12、EDEV用于計(jì)算平均絕對離差A(yù)EVDEV指標(biāo)值。function avedev_com=AVEDEV(closePrice,period)%函數(shù)功能：AVEDEV-平均絕對離差% closePrice:在列向量上隨時(shí)間變化，即為行向量% 輸入: % closePrice-為輸入的數(shù)據(jù)矩陣 % period-為計(jì)算的周期數(shù)% 輸出：% avedev_com: 平均絕對離差avedev_com=nan*ones(size(closePrice,1),size(closePrice,2); % 初始化for j=1:size(closePrice,1) % 行 for i=period:length

13、(closePrice) avedev_com(j,i) = sum(abs(closePrice(j,i-period+1:i)-mean(closePrice(j,i-period+1:i)/period; endend平均絕對離差平均絕對離差（mean absolute dev平均絕對離差繪圖平均絕對離差繪圖序列最大值function hhv_com = HHV(price,period)% 函數(shù)功能：HHV-序列最大值% 輸入：% price-為輸入的數(shù)據(jù)矩陣。 % period-為周期，= 1% 輸出：% hhv_com：HHV-序列最大值hhv_com=nan*ones(size(

14、price,1),size(price,2); % 初始化if length(price)period % 每一行變量的長度是否大于period for j=1:size(price,1) % 行，每一行一個時(shí)間序列數(shù)據(jù) for i=period:length(price) % 從period周期開始計(jì)算 hhv_com(j,i)=max(price(j,i-period+1:i); % 求最大值 end endend序列最大值function hhv_com = HHV(pr序列最大值序列最大值序列最小值序列最小值LLV用于計(jì)算一個period周期內(nèi)的最小值。function llv_com

15、 = LLV(price,period)% 函數(shù)功能：llv-序列最小值% 輸入：% price-為輸入的數(shù)據(jù)矩陣。 % period-為周期，= 1% 輸出：% llv_com：llv-序列最小值llv_com=nan*ones(size(price,1),size(price,2); % 初始化if length(price)period % 每一行變量的長度是否大于period for j=1:size(price,1) % 行，每一行一個時(shí)間序列數(shù)據(jù) for i=period:length(price) % 從period周期開始計(jì)算 llv_com(j,i)=min(price(j,

16、i-period+1:i); % 求最小值 end endend序列最小值序列最小值LLV用于計(jì)算一個period周期內(nèi)的最序列最小值序列最小值LLV用于計(jì)算一個period周期內(nèi)的最小值。序列最小值序列最小值LLV用于計(jì)算一個period周期內(nèi)的最簡單移動平均值移動平均線(MA)采用統(tǒng)計(jì)學(xué)中“移動平均”的原理，將一段時(shí)期內(nèi)的股票價(jià)格平均值連成曲線，用來顯示股價(jià)的歷史波動情況，進(jìn)而反映股價(jià)指數(shù)未來發(fā)展趨勢的技術(shù)分析方法。移動平均線(MA)依時(shí)間長短可分為三種，即短期移動平均線，中期移動平均線，長期移動平均線。短期移動平均線一般以5日或10日為計(jì)算期間，中期移動平均線大多以30日、60日為計(jì)算期

17、間；長期移動平均線大多以100天和200天為計(jì)算期間。簡單移動平均值移動平均線(MA)采用統(tǒng)計(jì)學(xué)中“移動平均”的原動態(tài)移動平均值動態(tài)移動平均值DMA用于計(jì)算一個時(shí)間序列數(shù)據(jù)的動態(tài)移動平均值，假設(shè)當(dāng)前序列值的權(quán)值為weight，則前一周期的權(quán)重為1-weight。假設(shè)一組數(shù)據(jù)為1，1，7，令a=1，b=1，c=7，設(shè)weight=0.5，則DMA動態(tài)移動平均值計(jì)算如下：DMA(1)=a=1DMA(2)=weight*b + (1-weight)*DMA(1)=0.51+(1-0.5) 1=1DMA(3)= weight*c + (1-weight)*DMA(2)=0.57+(1-0.5) 1=4

18、動態(tài)移動平均值動態(tài)移動平均值DMA用于計(jì)算一個時(shí)間序列數(shù)據(jù)的指數(shù)平滑移動平均值 在通常情況下，許多參股入股者（散戶）以隨機(jī)指標(biāo)（KDJ指標(biāo)）和指數(shù)平滑異同平均線（MACD指標(biāo)）作為股票買入和賣出信號的重要指標(biāo)。一旦當(dāng)大盤或個股的KDJ指標(biāo)和MACD指標(biāo)在高位形成死叉后，投資者則通常會賣出。但是，由于股票的主力往往知道投資者這個心理，主力經(jīng)常會進(jìn)行反向操作，所以常常導(dǎo)致“頂在頂上”和“底在底下”的情況發(fā)生，因此隨機(jī)指標(biāo)（KDJ指標(biāo)）和指數(shù)平滑異同平均線（MACD指標(biāo)）指標(biāo)常常會失靈，由此人們引入指數(shù)平滑移動平均值EMA(Exponential Moving Average)指標(biāo)。假設(shè)價(jià)格已脫離均

19、線差值且在不斷擴(kuò)大，而平均線又未能立即反應(yīng)，則指數(shù)平滑移動平均值EMA則可以為投資者提供一定參考依據(jù)，從而較少此類缺點(diǎn)。EMA用于計(jì)算序列的指數(shù)平滑移動平均值，當(dāng)前序列的權(quán)重為2/(period+1)，前一周期EMA的權(quán)重為(period-1)/(period+1)。指數(shù)平滑移動平均值 在通常情況下，許多參股入股指數(shù)平滑移動平均值指數(shù)平滑移動平均值指數(shù)移動平均值指數(shù)移動平均值EDMA區(qū)別于指數(shù)平滑移動平均值EMA和動態(tài)移動平均值DMA，EDMA采用權(quán)重和周期數(shù)組合權(quán)重，然后計(jì)算平均值，EDMA結(jié)合了EMA指數(shù)平滑移動平均值和DMA動態(tài)移動平均值求解方法。clc,clear,close all

20、% 清屏+清理工作區(qū)+關(guān)閉圖形窗口warning off % 取消警告feature jit off % 加速通道format shortclosePrice = 1 8 2 8 0 3 7 8 2 4 1; 1 1 7 4 0 6 3 0 8 7 0;period = 5; % 周期weight=2; % 權(quán)值，1=weightLC % 今天收盤價(jià)是否大于昨天收盤價(jià) DIF = closeprice(j,i)-min(lowprice(j,i),LC); else DIF = closeprice(j,i)-max(highprice(j,i),LC); end % 計(jì)算ACD if clo

21、seprice(j,i)=LC % 今天收盤價(jià)是否等于昨天收盤價(jià) if i=2 acd_com(j,i)=0; % 避免第一天NaN的影響 else acd_com(j,i)=acd_com(j,i-1)+0; % DIF累加和 end else if i=2 acd_com(j,i)=DIF; % 避免第一天NaN的影響 else acd_com(j,i)=acd_com(j,i-1)+DIF; % DIF累加和 end end endend升降線指標(biāo)吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析升降線指標(biāo)吳婷、余

22、勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析動力指標(biāo)動力指標(biāo)MTM以分析股票價(jià)格波動的速度為目的，研究股票價(jià)格在波動過程中各種加速，減速，慣性作用以及股票價(jià)格由靜到動或由動轉(zhuǎn)靜的現(xiàn)象。當(dāng)股票價(jià)格上漲強(qiáng)勁時(shí)，則動力指標(biāo)MTM上升斜率越大，即上升越快，當(dāng)股票價(jià)格下降快速時(shí)，動力指標(biāo)MTM下降也越快；當(dāng)動力指標(biāo)MTM震蕩時(shí)，說明股票價(jià)格也在一定的小區(qū)間范圍內(nèi)震蕩。對于動力指標(biāo)MTM指標(biāo)而言，投資者應(yīng)該關(guān)注的是：動力指標(biāo)MTM從下向上突破其均線時(shí)，多頭為買入信號；動力指標(biāo)MTM從上向下突破其均線時(shí)，多頭為賣出信號。吳婷、余勝威：M

23、ATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析動力指標(biāo)吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析變動速率線指標(biāo)變動速率線指標(biāo)OSC在長期反映股票的上漲下跌狀態(tài)，變動速率線指標(biāo)OSC曲線更加平滑，變動速率線指標(biāo)OSC上升則表示股票具有強(qiáng)勁的上漲勢頭，變動速率線指標(biāo)OSC下降，則表示股票有下降趨勢；變動速率線指標(biāo)OSC變化的值越大，則股票波動也越大。變動速率線指標(biāo)OSC屬于超買超賣指標(biāo)，OSC變動速率線是從移動平均線原理派生出來的一種分析指標(biāo)，OSC變動速

24、率線指標(biāo)反應(yīng)當(dāng)日收盤價(jià)與一段時(shí)間內(nèi)平均收盤價(jià)的差離值。OSC變動速率線指標(biāo)穿過0線向上，此時(shí)股票有上漲勢頭，可視為買入信號，此時(shí)用戶可考慮買入股票；OSC變動速率線指標(biāo)下跌跌破0線向下，此時(shí)股票價(jià)格將走弱，被視為賣出信號，此時(shí)用戶可考慮賣出股票。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析變動速率線指標(biāo)吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析瀑布線指標(biāo)瀑布線指標(biāo)PBX廣泛應(yīng)用于金融領(lǐng)域中，用于判斷股價(jià)運(yùn)行趨勢。瀑布線指標(biāo)PBX在短期

25、反映股票價(jià)格的變化率，瀑布線指標(biāo)PBX上漲，則表示股價(jià)極大可能上漲，瀑布線指標(biāo)PBX下降，則表示近期股票價(jià)格將下跌。瀑布線指標(biāo)PBX可看作是股票價(jià)格的短周期平滑曲線。PBX瀑布線屬于傳統(tǒng)大勢價(jià)格趨勢線，由非線性加權(quán)移動平均線組合而來。當(dāng)股票價(jià)格上漲穿過軌道線上限時(shí)，下降概率增大；當(dāng)股票價(jià)格下跌跌破軌道線下限時(shí)，則反彈機(jī)率增大，用戶可以考慮介入。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析瀑布線指標(biāo)吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化

26、分析上升動向指標(biāo)單獨(dú)的上升動向指標(biāo)PDI 曲線是不斷變換的一些震蕩曲線，單獨(dú)的從上升動向指標(biāo)PDI 曲線并不能很好的獲取股票價(jià)格走勢信息，上升動向指標(biāo)PDI常和下降動向指標(biāo)MDI、動向平均數(shù)指標(biāo)ADX連用，通過三者之間的關(guān)系進(jìn)行股票的買入和賣出判斷。一般情況下，如果PDI上升動向指標(biāo)從下往上突破下降動向指標(biāo)MDI，且動向平均數(shù)指標(biāo)ADX走勢也向上，此時(shí)投資者可以考慮買入，此時(shí)股票價(jià)格極大可能將會上漲；如果下降動向指標(biāo)MDI從上往下突破上升動向指標(biāo)PDI，且動向平均數(shù)指標(biāo)ADX走勢向下，此時(shí)投資者可以考慮賣出手中的股票，此時(shí)股票價(jià)格將極大可能地下降。假設(shè)昨天一組數(shù)據(jù)為3，1，2，即昨天最高價(jià)為3

27、，最低價(jià)為1，收盤價(jià)為2,；今天的一組數(shù)據(jù)為3，2，2，即今天最高價(jià)為3，最低價(jià)為2，收盤價(jià)為2,；考慮計(jì)算周期period為1，則PDI計(jì)算如下：由于今天最高價(jià)減昨天最高價(jià)為=3-3=0 =x2，而今天最低價(jià)減昨天最低價(jià)為=2-1=1 =x1，因此x2x1，則設(shè)變量UDM=0；計(jì)算今天最高價(jià)減今天最低價(jià)=3-2=1=x3，今天最高價(jià)減昨天收盤價(jià)=3-2=1=x4，則x3和x4的最大值=1=x5，計(jì)算今天最低價(jià)減昨天最低價(jià)=2-1=1=x6，則設(shè)變量TR=max(x5，x6)=1；吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股

28、票量化分析上升動向指標(biāo)吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析下降動向指標(biāo)由PDI上升動向指標(biāo)分析可知，下降動向指標(biāo)MDI通常和PDI上升動向指標(biāo)、ADX動向平均數(shù)指標(biāo)連用。下降動向指標(biāo)MDI通常在50之間震蕩，一般認(rèn)為下降動向指標(biāo)MDI在0上方運(yùn)行，則股票價(jià)格將逐漸走強(qiáng)，用戶可以考慮適時(shí)逢低買入。通常認(rèn)為，若PDI上升動向指標(biāo)從下往上突破下降動向指標(biāo)MDI，且ADX走勢也向上，此時(shí)投資者可以考慮介入，此時(shí)股票價(jià)格在一定時(shí)間段內(nèi)上漲可能性增大；若下降動向指標(biāo)MDI從上往下突破PDI上升動向指標(biāo)，且ADX走勢向下

29、，此時(shí)投資者可以考慮賣出手中的股票，此時(shí)股票價(jià)格在一定時(shí)間段內(nèi)下跌可能性增大。假設(shè)昨天一組數(shù)據(jù)為3，1，2，即昨天最高價(jià)為3，最低價(jià)為1，收盤價(jià)為2,；今天的一組數(shù)據(jù)為3，2，2，即今天最高價(jià)為3，最低價(jià)為2，收盤價(jià)為2,；考慮計(jì)算周期period為1，則MDI計(jì)算如下：由于今天最高價(jià)減昨天最高價(jià)為=3-3=0 =x2，而今天最低價(jià)減昨天最低價(jià)為=2-1=1 =x1，因此x20時(shí)，視為買入信號，投資者可以考慮買入該股票；EMV簡易波動指標(biāo)值80時(shí)，回檔機(jī)率大；當(dāng)J100時(shí)，股票價(jià)格易反轉(zhuǎn)下跌，此時(shí)投資者應(yīng)該適當(dāng)減倉；當(dāng)J=0 disp(未來一天上漲的可能性更大！)else disp(未來一天回

30、調(diào)的可能性更大！)end吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的第十章吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析第十章吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器馬爾科夫Markov上證指數(shù)預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析馬爾科夫Markov上證指數(shù)預(yù)測吳婷、余勝威：MATLAB金吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析馬爾科夫鏈Markov模型馬爾科夫鏈Markov模型直觀地統(tǒng)計(jì)某幾個狀態(tài)出現(xiàn)的頻數(shù)，進(jìn)而判斷下一時(shí)刻點(diǎn)出現(xiàn)某狀態(tài)的概率。馬爾科夫鏈Markov模型狀態(tài)數(shù)由用戶自己

31、設(shè)定，較為常用的有5種狀態(tài)，如快速上升、緩慢上升、相對不變、緩慢下降、快速下降；也可以設(shè)為3種狀態(tài)，如上升、相對不變、下降（較多的經(jīng)濟(jì)學(xué)問題都按照這個劃分）。這個思想和模糊數(shù)學(xué)的思想相一致的。針對快速上升、緩慢上升、相對不變、緩慢下降、快速下降5個狀態(tài)，那么多大的增長幅度才算是快速上升，多大的幅度才算是快速下降，這兩個數(shù)值由用戶自己設(shè)定，較為常用的有1%、3%、5%等數(shù)值。本文考慮上證指數(shù)的增長幅度問題，采用1%上證幅度作為衡量標(biāo)準(zhǔn)。馬爾科夫鏈Markov模型廣泛的應(yīng)用于長時(shí)間的波動數(shù)據(jù)行業(yè)中，例如某個食品的價(jià)格、某個公司員工上下班時(shí)間趨勢、CPI指數(shù)、上證指數(shù)、個股價(jià)格等。馬爾科夫鏈Mark

32、ov模型因其自身數(shù)據(jù)的統(tǒng)計(jì)特性，在預(yù)測行業(yè)起到舉足輕重的作用。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析模型符號說明吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析馬爾科夫鏈Markov預(yù)測openprice = data0(:,1); % 開盤價(jià)highprice = data0(:,2); % 最高價(jià)lowprice = data0(:,3); % 最低價(jià)closeprice = data0(:,4); % 收盤價(jià)tradingvol

33、umn= data0(:,5); % 成交量% 以closeprice為參考，進(jìn)行上證指數(shù)的上漲、下跌、平衡態(tài)處理SX = nan*ones(size(closeprice,1),size(closeprice,2); % 初始化for j=1:size(closeprice,1) for i=2:size(closeprice,2) if closeprice(j,i)-closeprice(j,i-1)0 SX(j,i)=1; % 上漲% elseif closeprice(j,i)-closeprice(j,i-1)=0% SX(j,i)=0; % 平衡狀態(tài) elseif closepr

34、ice(j,i)-closeprice(j,i-1)0 SX(j,i)=-1; % 下跌 end endend吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析馬爾科夫鏈Markov預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析獲取待分析數(shù)據(jù)馬爾科夫鏈Markov預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析增長率級別馬爾科夫鏈Markov預(yù)測吳婷、余勝威：M

35、ATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析馬爾科夫鏈Markov預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析對每個狀態(tài)向量，均取其中最大的那個概率值；則以上結(jié)果表明：在未來7天內(nèi)，上證指數(shù)處于緩慢增長勢頭，并且緩慢下降的概率也時(shí)旗鼓相當(dāng)，此時(shí)投資者應(yīng)該謹(jǐn)慎，變盤可能性較大。本書籍所涉及算法預(yù)測結(jié)果，僅供參考。馬爾科夫鏈Markov預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股

36、票量化分析隱馬爾可夫模型函數(shù)表函 數(shù)功 能hmmdecode計(jì)算序列狀態(tài)的后驗(yàn)概率hmmestimate估計(jì)隱馬爾可夫模型的參數(shù)hmmgenerate為隱馬爾可夫模型產(chǎn)生一個序列hmmtrain計(jì)算隱馬爾可夫模型的最大似然估計(jì)hmmviterbi計(jì)算馬爾可夫模型序列到達(dá)最可能狀態(tài)的路徑吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的第十一章吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析第十一章吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)灰色理論下的上證指數(shù)預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析灰色理論下的上證指數(shù)預(yù)測吳婷、余勝

37、威：MATLAB金融算法分吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析灰色理論分析灰色系統(tǒng)理論是針對短期的時(shí)間變化數(shù)據(jù)而言的。對于長時(shí)間的系統(tǒng)數(shù)據(jù)，灰色理論預(yù)測誤差是很大。并且，灰色系統(tǒng)理論對于給定的系統(tǒng)隱式方程是可以用來逼近原始數(shù)據(jù)的，這一點(diǎn)極大的限制了程序的泛化能力，也就是要求分析的數(shù)據(jù)是服從某種規(guī)律的?；疑到y(tǒng)理論包括灰色關(guān)聯(lián)性分析和灰色預(yù)測模型。灰色關(guān)聯(lián)分析通過分析灰色系統(tǒng)里各因素的相異程度，并給出各因素之間的關(guān)聯(lián)程度；灰色預(yù)測模型對原始數(shù)據(jù)進(jìn)行處理，生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程，進(jìn)而預(yù)測未來發(fā)展趨勢?；疑A(yù)測模型廣泛的應(yīng)用于時(shí)間序列的波動

38、數(shù)據(jù)行業(yè)中，例如某個食品的價(jià)格、CPI指數(shù)、上證指數(shù)等?；疑A(yù)測模型因其自身數(shù)據(jù)的統(tǒng)計(jì)特性，在預(yù)測行業(yè)起到舉足輕重的作用。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析灰色關(guān)聯(lián)分析流程吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析多指標(biāo)灰色關(guān)聯(lián)度計(jì)算在此選用反趨勢指標(biāo)，用ACCER-幅度漲速指標(biāo)、ADTM-動態(tài)買賣氣指標(biāo)、BB-布林極限指標(biāo)、BIAS-乖離率指標(biāo)、CCI-順勢指標(biāo)、CYF-市場能量指標(biāo)、DBCD-異同離差乖離率指標(biāo)、DKX-

39、多空線指標(biāo)、DPO-區(qū)間震蕩線指標(biāo)、FSL-分水嶺指標(biāo)、 KDJ-隨機(jī)指標(biāo)、LWR-L威廉指標(biāo)、ROC-變動速率指標(biāo)、RSI-相對強(qiáng)弱指標(biāo)、SKDJ-慢速隨機(jī)指標(biāo)、SI-擺動指標(biāo)、SRDM-動向速度比率指標(biāo)、UDL-引力線指標(biāo)、WR-威廉指標(biāo)、WIDTH-布林極限寬度指標(biāo)作為灰色關(guān)聯(lián)分析數(shù)據(jù)。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析多指標(biāo)灰色關(guān)聯(lián)度計(jì)算y5 = 1 至 9 列 0.9903 0.9938 1.0010 1.0037 0.9871 1.0011 1.0001 0.9986 1.0010 10 至

40、18 列 0.9968 0.9938 0.9922 1.0043 1.0020 0.9942 0.9950 1.0004 0.9940 19 至 20 列 1.0007 0.9865由關(guān)聯(lián)度結(jié)果可知，基于第一個指標(biāo)ACCER-幅度漲速指標(biāo)，其與20個指標(biāo)與ACCER-幅度漲速指標(biāo)的關(guān)聯(lián)度系數(shù)均位于1左右，因此對于這些指標(biāo)本身而言，是相輔相成的。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析灰色預(yù)測模型流程ACCER幅度漲速指標(biāo)灰色預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金

41、融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析灰色預(yù)測模型流程ACCER幅度漲速指標(biāo)灰色預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析load(database.mat)clear closeprice highprice lowprice openprice tradingvolumn% 歸一化% 分析index5趨勢指標(biāo)% 指標(biāo)：ACCER-幅度漲速指標(biāo)、ADTM-動態(tài)買賣氣指標(biāo)、BB-布林極限指標(biāo)、% BIAS-乖離率指標(biāo)、CCI-順勢指標(biāo)、CYF-市場能量指標(biāo)、DBCD-異同離差乖離率指標(biāo)、% DKX-多空線指

42、標(biāo)、DPO-區(qū)間震蕩線指標(biāo)、FSL-分水嶺指標(biāo)、 KDJ-隨機(jī)指標(biāo)、% LWR-L威廉指標(biāo)、ROC-變動速率指標(biāo)、RSI-相對強(qiáng)弱指標(biāo)、SKDJ-慢速隨機(jī)指標(biāo)、% SI-擺動指標(biāo)、SRDM-動向速度比率指標(biāo)、UDL-引力線指標(biāo)、WR-威廉指標(biāo)、WIDTH-布林極限寬度指標(biāo)index_x = index5(:,1:end-1); % 前一天指標(biāo)值index_y = SX(:,length(SX)-size(index_x,2)+1:end); % 第二天的漲幅狀態(tài)吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析% 對in

43、dex_x歸一化處理for i=1:size(index_x,1) x = ; % 初始化 x = index_x(i,:); % 挨個挨個獲取指標(biāo)數(shù)據(jù) x,setting = mapminmax(x); % x歸一化 settingsi,1 = setting; % 歸一化參數(shù) index_xx(i,:) = x; % 重新賦值end% 待分析index_xx = index_xx(:,4500:end); % 內(nèi)存不足，截?cái)嗵崛ndex_y = index_y(:,4500:end); % 內(nèi)存不足，截?cái)嗵崛擎?、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLA

44、B金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析% 灰色預(yù)測x1 = index_xx(1,80:end); % 輸入數(shù)據(jù)n = length(x1); % 數(shù)據(jù)長度t1 = 1:n;ux = polyfit(t1,x1,2);u(1) = ux(1);u(2) = ux(2);x11 = ux(3);x=; % 初始化syms a b y(x) x00 xx=dsolve(diff(y)=a*x+b,y(0)=x00) ; x=subs(x,a,b,x00,2*u(1),u(2),x11); digits(6),y=vpa(x) % 為提高預(yù)測精度，先計(jì)算預(yù)測值，再顯示微分方程的解yuce =

45、double( subs(x,x,0:n-1) ); % 計(jì)算預(yù)測值epsilon=x1-yuce; % 計(jì)算殘差吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的第十二章吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析第十二章吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)指數(shù)平滑下的上證指數(shù)預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑下的上證指數(shù)預(yù)測吳婷、余勝威：MATLAB金融算法分吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝

46、威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析三次指數(shù)平滑法吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析一次指數(shù)平滑% 一次指數(shù)平滑yt=closeprice; % 原始數(shù)據(jù)以列向量的方式存放n=length(yt); % 數(shù)據(jù)長度alpha=0.1 0.3 0.9; % 取值 m=length(alpha); % 個數(shù) yhat(1,1:m)=

47、(yt(1)+yt(2)/2; % 取平均值（初始值）for i=2:n yhat(i,:)=alpha*yt(i-1)+(1-alpha).*yhat(i-1,:); % 預(yù)測計(jì)算公式endyhat; % 預(yù)測值Error = (repmat(yt,1,m)-yhat); % 預(yù)測誤差err=sqrt(mean(repmat(yt,1,m)-yhat).2) % 預(yù)測誤差總和yhat_next = alpha*yt(n)+(1-alpha).*yhat(n,:) % 預(yù)測下一時(shí)刻值吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的

48、股票量化分析指數(shù)平滑分析一次指數(shù)平滑吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析一次指數(shù)平滑吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析一次指數(shù)平滑吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析二次指數(shù)平滑for i=2:n st1(i)=alpha*yt(i)+(1-alpha)*st1(i-1); % 一次平滑預(yù)測 st

49、2(i)=alpha*st1(i)+(1-alpha)*st2(i-1); % 二次平滑預(yù)測enda=2*st1-st2; % a計(jì)算公式b=alpha/(1-alpha)*(st1-st2); % b計(jì)算公式吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析二次指數(shù)平滑吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析三次指數(shù)平滑吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析

50、實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析三次指數(shù)平滑st1_0=mean(yt(1:3); % 初始化值st2_0=st1_0; % 初始化值st3_0=st1_0; % 初始化值st1(1)=alpha*yt(1)+(1-alpha)*st1_0; % 初始化st2(1)=alpha*st1(1)+(1-alpha)*st2_0; % 初始化st3(1)=alpha*st2(1)+(1-alpha)*st3_0; % 初始化for i=2:n st1(i)=alpha*yt(i)+(1-alpha)*st1(i-1); % 一次平滑 st2(i)=alpha*st1(i)+(1-alpha

51、)*st2(i-1); % 二次平滑 st3(i)=alpha*st2(i)+(1-alpha)*st3(i-1); % 三次平滑endst1=st1; % 一次平滑結(jié)果st2=st2; % 二次平滑結(jié)果st3=st3; % 三次平滑結(jié)果吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析三次指數(shù)平滑預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析指數(shù)平滑分析采用三次指數(shù)平滑預(yù)測的絕對誤差和為90.6561，相應(yīng)的上證指數(shù)收盤價(jià)為2

52、928.6。相對比一次指數(shù)平滑預(yù)測的誤差為45.8548，二次指數(shù)平滑預(yù)測為37.4430，由此可知二次指數(shù)平滑預(yù)測效果最佳，三次指數(shù)平滑預(yù)測易導(dǎo)致過擬合等現(xiàn)象，導(dǎo)致預(yù)測誤差增大等缺陷。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的第十三章吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析第十三章吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)支持向量機(jī)SVM下的漲跌預(yù)測吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM下的漲跌預(yù)測吳婷、余勝威：MATLAB金融算吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支

53、持向量機(jī)SVM算法是一個極其優(yōu)越的機(jī)器學(xué)習(xí)算法。支持向量機(jī)SVM算法也是一個有監(jiān)督的學(xué)習(xí)算法。支持向量機(jī)SVM算法根據(jù)數(shù)據(jù)內(nèi)存屬性，通過構(gòu)造超平面，將數(shù)據(jù)進(jìn)行劃分，然后應(yīng)用于分類和回歸模型。支持向量機(jī)SVM算法解決了傳統(tǒng)算法不能解決的非線性、離散等問題，將復(fù)雜的大數(shù)據(jù)映射到高維空間，進(jìn)而實(shí)現(xiàn)問題的高效求解，廣泛應(yīng)用于各行各業(yè)數(shù)據(jù)分析中。本章主要圍繞支持向量機(jī)SVM算法進(jìn)行股票的上證、下跌分析。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析Logistic回歸吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷

54、、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析Regularization正則化方程 吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法Logistic 回歸吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法二次規(guī)劃問題應(yīng)用KKT（Karush-Kuhn-Tucker）條件進(jìn)行求解。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)

55、的股票量化分析支持向量機(jī)SVM算法SVM超平面求解吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法clc,clear,close all % 清屏+清理工作區(qū)+關(guān)閉圖形窗口warning off % 取消警告feat

56、ure jit off % 加速通道% 函數(shù)quadprog 二次規(guī)劃問題H = 1 -1; -1 2 ;f = -2; -6;A = 1 1; -1 2; 2 1;b = 2; 2; 3;lb = zeros(2,1);x,fval,exitflag,output,lambda = quadprog(H,f,A,b, , ,lb)吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法支持向量機(jī)SVM就是根據(jù)二次規(guī)劃問題求解相應(yīng)的系數(shù)，進(jìn)而得到超平面，實(shí)現(xiàn)數(shù)據(jù)的分類與預(yù)測。支持向量機(jī)SVM目前有較為成熟的

57、工具箱，本文將使用MATLAB自帶的支持向量機(jī)SVM工具箱實(shí)現(xiàn)上證指數(shù)的漲跌預(yù)測。吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法function psi_l, psi_h Low High = evalPsiAtEnd(i, j, Low, High) % This function evaluates the objective function at the ends of % the feasible region. This is necessary in the hopefully ra

58、re % case of eta eps lambda = - targetLabels(i) * objGrad(i) + targetLabels(j) * objGrad(j); alpha_j = alphas(j) + targetLabels(j) / eta * lambda; % 約束alpha的范圍 if alpha_j High alpha_j = High; end else % The case eta eps should not happen too often (only for duplicate % data points and illegal kernel

59、s)! psi_l, psi_h Low High = evalPsiAtEnd(i,j, Low, High); if psi_l (psi_h + eps) alpha_j = High; else % no progress :-( alpha_j = alphas(j); end end吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法 % 計(jì)算alpha(i): alpha_i = alphas(i) + targetLabels(j) * targetLabels(i) * . (alph

60、as(j) - alpha_j); % 檢測alpha_i的有效性 % sits in its box. if alpha_i (boxConstraints(i) - eps) alpha_i = boxConstraints(i); end吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的吳婷、余勝威：MATLAB金融算法分析實(shí)戰(zhàn)基于機(jī)器學(xué)習(xí)的股票量化分析支持向量機(jī)SVM算法 % 更新目標(biāo)函數(shù)的梯度 if isempty(fullKernel) objGrad = objGrad - . (kernelCache.getColumn(i) .* targetLabels) * . (