⑴ matlab怎樣抓取Yahoo/Sina的股票數據
給你一個常式，用於抓取新浪股票2017年1月份的股票數據。程序如下：
clc;
clear;
year=2017;
season = 1 ;
fprintf('抓取%d年%d季度的數據中...\n', year, season)
[sourcefile, status] = urlread(sprintf('http://vip.stock.finance.sina.com.cn/corp/go.php/vMS_MarketHistory/stockid/000001/type/S.phtml?year=%d&season=%d', year));
expr2 = '<div align="center">(\d*\.?\d*)</div>';
[datafile, data_tokens] = regexp(sourcefile, expr2, 'match', 'tokens'); %從源文件中獲取目標數據
data = zeros(size(data_tokens));%產生和數據相同長度的0
for idx = 1:length(data_tokens)
data(idx) = str2double(data_tokens{idx}{1}); %轉變數據類型後存入data中
end
%%占坑打個廣告，代寫matlab程序（畢業設計，課程任務等）
%%信號處理，小波變換，PCA降維，ICA分析，分類器，濾波器等。QQ：1577232787
⑵ 用matlab算股票最大值
具體步驟如下。
1打開matlab軟體，清空桌面環境
.2.定義一個符號變數。
3定義一個函數：y=t/(1+t*t);再通過以下函數來查看上面的函數圖像。
4查看該函數的圖像可知，函數在0到2之間有一個極值，本例求解該最大值為例。
5輸入以下的指令可以求得該函數最大值；max(subs(y,t,[0:0.00001:2]))；其中0.00001是精度，求得最大值為0.5000
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求一隻股票var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。