⑴ MATLAB 如何導入股票數據，並畫出K線
需要幾個關鍵步驟 （函數應用需要自己多用help 學習）
1自己先下載原始數據格式 時間 開 高 低 收
1 讀取數據 xlsread 函數
[num,txt,raw]=xlsread(filename); % 『000001.xls'
Date=datenum(txt(5:length(txt),1)); %時間
OpenPrice=num(:,1); %開盤
HighPrice=num(:,2); %收盤
LowPrice=num(:,3);
ClosePrice=num(:,4);
Vol=num(:,5); %成交量
save Data Date OpenPrice HighPrice LowPrice ClosePrice Vol; %存儲mat文件 方便下次使用
candle(HighPrice,LowPrice,ClosePrice,OpenPrice,'r',Date,12)%高 低 收 開 紅色 時間 時間格式
⑵ bp神經網路股票價格預測的MATLAB編程
P=[];『輸入，開盤價，最高價，最低價，收盤價成交量依次5天的數據』
T=[];』輸出，即第二日的收盤』
net=newff(minmax(P),[7,1],{'tansig','logsig'},'traingdx');
net.trainParam.epochs=1000; 『最大訓練次數，根據需要可自行調節』
net.trainParam.goal=0.01; 『誤差』
net.trainParam.lr=0.01; 『學習率』
net=train(net,P,T); 『訓練網路』
test=[];『待預測數據輸入』
out=sim(net,test); 『模擬預測』
我的這個程序沒有進行初始化，你還需要先將數據進行初始化後才能算。
⑶ 用matlab怎麼算股票價格的收益率，怎麼得出收益率的圖~
1、用matlab算股票價格的收益率的方法，比如（以聯想V14十代酷睿筆記本電腦，Windows10為例）：
在matlab裡面通常指令是：log(Xt/Xt-1)。
其中Xt是某股票或某指數第t天的價格；
其中Xt-1是某股票或某指數第t-1天的價格.
2、製作收益率曲線圖的步驟如下，比如（以聯想V14十代酷睿筆記本電腦，Windows10為例）：
1.在A1中輸入公式=(行(A1)-1) * 0.25-3。
2.在B1中輸入公式=NORMDIST(A1，0，1，0)。
3.下拉並分別將以上兩個公式復制到A25和B25。
4.插入「XY _⒌閫"，A列為X軸，B列為Y軸，選擇散點圖類型為帶平滑線的散點圖。
(3)matlab如何進行股票預測數據擴展閱讀：
一、如果用matlab驗證股票的收盤價符合對數正態分布：
比如（以聯想V14十代酷睿筆記本電腦，Windows10為例）先導入數據，然後取收盤價的對數值即y＝ln（y）
clc;clear
y=ln(y)
Std=std(y) %標准差
[F，XI]=ksdensity(y)
figure(1)
plot(XI，F，'o-')
x =randn(300000，1);
figure(2)
[f，xi] = ksdensity(x);
plot(xi，f);
畫出概率分布圖
ksdensity -------------------- Kernel smoothing density estimation.
表示核平滑密度估計。
二、股票收益率是反映股票收益水平的指標
1、是反映投資者以現行價格購買股票的預期收益水平。它是年現金股利與現行市價之比率。
本期股利收益率=(年現金股利/本期股票價格)*100%
2、股票投資者持有股票的時間有長有短，股票在持有期間獲得的收益率為持有期收益率。
持有期收益率=[(出售價格-購買價格)/持有年限+現金股利]/購買價格*100%
3、公司進行拆股必然導致股份增加和股價下降，正是由於拆股後股票價格要進行調整，因而拆股後的持有期收益率也隨之發生變化。
拆股後持有期收益率=(調整後的資本所得/持有期限+調整後的現金股利)/調整後的購買價格*100% 對於長期投資形式的股票投資，其投資收益的確認有兩種方法：
一種是成本法，即按被投資企業發放的股利確定為投資企業的投資收益。
另一種方法是權益法，指投資企業所投股份在被投資企業中佔到一定比例，可以對它具有控制、共同控制或重大影響時，應採用權益法進行核算。
⑷ matlab如何讀取股票數據
matlab如何讀取股票數據
該框架可為許多模型和優化方法產生具體的訓練方法。本文中，生成模型通過一個多層感知機傳遞隨機雜訊，且判別模型也是一個多層感知機。
這個特例稱為對抗的網路。這里，僅用反向傳播和 Dropout 來訓練模型，生成模型通過前向傳播來生成樣本。不需要近似推理和 Markov 鏈。