⑴ matlab怎样抓取Yahoo/Sina的股票数据
给你一个例程，用于抓取新浪股票2017年1月份的股票数据。程序如下：
clc;
clear;
year=2017;
season = 1 ;
fprintf('抓取%d年%d季度的数据中...\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'); %从源文件中获取目标数据
data = zeros(size(data_tokens));%产生和数据相同长度的0
for idx = 1:length(data_tokens)
data(idx) = str2double(data_tokens{idx}{1}); %转变数据类型后存入data中
end
%%占坑打个广告，代写matlab程序（毕业设计，课程任务等）
%%信号处理，小波变换，PCA降维，ICA分析，分类器，滤波器等。QQ：1577232787
⑵ 用matlab算股票最大值
具体步骤如下。
1打开matlab软件，清空桌面环境
.2.定义一个符号变量。
3定义一个函数：y=t/(1+t*t);再通过以下函数来查看上面的函数图像。
4查看该函数的图像可知，函数在0到2之间有一个极值，本例求解该最大值为例。
5输入以下的指令可以求得该函数最大值；max(subs(y,t,[0:0.00001:2]))；其中0.00001是精度，求得最大值为0.5000
⑶ 用matlab怎么算股票价格的收益率，怎么得出收益率的图~
1、用matlab算股票价格的收益率的方法，比如（以联想V14十代酷睿笔记本电脑，Windows10为例）：
在matlab里面通常指令是：log(Xt/Xt-1)。
其中Xt是某股票或某指数第t天的价格；
其中Xt-1是某股票或某指数第t-1天的价格.
2、制作收益率曲线图的步骤如下，比如（以联想V14十代酷睿笔记本电脑，Windows10为例）：
1.在A1中输入公式=(行(A1)-1) * 0.25-3。
2.在B1中输入公式=NORMDIST(A1，0，1，0)。
3.下拉并分别将以上两个公式复制到A25和B25。
4.插入“XY _⒌阃"，A列为X轴，B列为Y轴，选择散点图类型为带平滑线的散点图。
(3)matlab求一只股票var扩展阅读：
一、如果用matlab验证股票的收盘价符合对数正态分布：
比如（以联想V14十代酷睿笔记本电脑，Windows10为例）先导入数据，然后取收盘价的对数值即y＝ln（y）
clc;clear
y=ln(y)
Std=std(y) %标准差
[F，XI]=ksdensity(y)
figure(1)
plot(XI，F，'o-')
x =randn(300000，1);
figure(2)
[f，xi] = ksdensity(x);
plot(xi，f);
画出概率分布图
ksdensity -------------------- Kernel smoothing density estimation.
表示核平滑密度估计。
二、股票收益率是反映股票收益水平的指标
1、是反映投资者以现行价格购买股票的预期收益水平。它是年现金股利与现行市价之比率。
本期股利收益率=(年现金股利/本期股票价格)*100%
2、股票投资者持有股票的时间有长有短，股票在持有期间获得的收益率为持有期收益率。
持有期收益率=[(出售价格-购买价格)/持有年限+现金股利]/购买价格*100%
3、公司进行拆股必然导致股份增加和股价下降，正是由于拆股后股票价格要进行调整，因而拆股后的持有期收益率也随之发生变化。
拆股后持有期收益率=(调整后的资本所得/持有期限+调整后的现金股利)/调整后的购买价格*100% 对于长期投资形式的股票投资，其投资收益的确认有两种方法：
一种是成本法，即按被投资企业发放的股利确定为投资企业的投资收益。
另一种方法是权益法，指投资企业所投股份在被投资企业中占到一定比例，可以对它具有控制、共同控制或重大影响时，应采用权益法进行核算。
⑷ matlab如何读取股票数据
matlab如何读取股票数据
该框架可为许多模型和优化方法产生具体的训练方法。本文中，生成模型通过一个多层感知机传递随机噪声，且判别模型也是一个多层感知机。
这个特例称为对抗的网络。这里，仅用反向传播和 Dropout 来训练模型，生成模型通过前向传播来生成样本。不需要近似推理和 Markov 链。