MATLAB金融算法分析实战-立体封面 第10章.pptxVIP

吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析第十章吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析马尔科夫Markov上证指数预测吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析马尔科夫链Markov模型马尔科夫链Markov模型直观地统计某几个状态出现的频数，进而判断下一时刻点出现某状态的概率。马尔科夫链Markov模型状态数由用户自己设定，较为常用的有5种状态，如快速上升、缓慢上升、相对不变、缓慢下降、快速下降；也可以设为3种状态，如上升、相对不变、下降（较多的经济学问题都按照这个划分）。这个思想和模糊数学的思想相一致的。针对快速上升、缓慢上升、相对不变、缓慢下降、快速下降5个状态，那么多大的增长幅度才算是快速上升，多大的幅度才算是快速下降，这两个数值由用户自己设定，较为常用的有1%、3%、5%等数值。本文考虑上证指数的增长幅度问题，采用1%上证幅度作为衡量标准。 马尔科夫链Markov模型广泛的应用于长时间的波动数据行业中，例如某个食品的价格、某个公司员工上下班时间趋势、CPI指数、上证指数、个股价格等。马尔科夫链Markov模型因其自身数据的统计特性，在预测行业起到举足轻重的作用。吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析模型符号说明吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析马尔科夫链Markov预测openprice = data0(:,1); % 开盘价highprice = data0(:,2); % 最高价lowprice = data0(:,3); % 最低价closeprice = data0(:,4); % 收盘价tradingvolumn= data0(:,5); % 成交量?%% 以closeprice为参考，进行上证指数的上涨、下跌、平衡态处理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; % 上涨%elseif closeprice(j,i)-closeprice(j,i-1)==0% SX(j,i)=0; % 平衡状态 elseif closeprice(j,i)-closeprice(j,i-1)0 SX(j,i)=-1; % 下跌 end endend吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析马尔科夫链Markov预测吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析马尔科夫链Markov预测获取待分析数据吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析马尔科夫链Markov预测增长率级别吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析马尔科夫链Markov预测吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析马尔科夫链Markov预测对每个状态向量，均取其中最大的那个概率值；则以上结果表明：在未来7天内，上证指数处于缓慢增长势头，并且缓慢下降的概率也时旗鼓相当，此时投资者应该谨慎，变盘可能性较大。 本书籍所涉及算法预测结果，仅供参考。吴婷、余胜威：MATLAB金融算法分析实战——基于机器学习的股票量化分析隐马尔可夫模型函数表函 数功 能hmmdecode计算序列状态的后验概率hmmestimate估计隐马尔可夫模型的参数hmmgenerate为隐马尔可夫模型产生一个序列hmmtrain计算隐马尔可夫模型的最大似然估计hmmviterbi计算马尔可夫模型序列到达最可能状态的路径