说明：macd的技术分析 与上证指数结合 买卖信号

说明：金融时间序列分析上证指数的GARCH模型R语言代码，可用于研究股票的波动性和预测。

说明：通过一段ARIMA模型程序来预测股票上证指数

说明：上证指数40分k线 jupyther nootbook

说明：SVM神经网络的信息粒化时序回归预测----上证指数开盘指数变化趋势和变化空间预测

说明：利用BP神经网络预测上证指数。先利用训练集对BP网络进行训练，再对上证指数进行预测。

说明：基于SVM的回归预测分析——上证指数开盘指数预测

说明：SVM神经网络的回归预测分析---上证指数开盘指数预测，matlab实现非线性回归预测

说明：用matlab复制2017上证50指数走势

说明：算法流程：原始数据提取-模糊信息粒化-粒化后的原始数据-利用SVM对粒化数据进行回归预测-给出上证指数变化趋势和变化空间-验证预测结果

说明：数据预处理,将原始数据进行归一化,SVM神经网络的回归预测分析上证指数开盘指数预测

说明：基于svm的信息粒化时间回归预测,上证指数开盘变化趋势和变化空间预测

说明：基于MATLAB编程的上证开盘指数预测算法及详细算例分析

说明：本代码是svm支持量化机在量化投资上的使用，采用了上证指数来做预测，和采用螺纹期货来做交易策略

说明：SVM神经网络的回归预测分析 -上证开盘指数预测

说明：基于SVM的回归预测——上证指数开盘指数预测,包括数据的提取和预处理，选择回归预测分析最佳的SVM参数c&g，利用回归预测分析最佳的参数进行SVM网络训练

说明：对于大盘指数的有效预测可以为从整体上观测股市的变化提供强有力的信息，所以对于上证指数的预测具有很大意义。本代码用Matlab对1990.12.20-2009.8.19-每天的开盘指数进行支持向量机回归分析，拟合效果较好。

说明：利用神经网络算法预测上证指数的走势，该程序分析了上证指数的20年的走势

说明：基于支持向量机的对于上证指数的时间序列的预测，附有相关的论文期刊

说明：本文研究了多重分形的统计物理方法,以上证综合指数长达四年的一分钟高频数据为研究 对象,计算了实际交易数据的多重分形谱及其特征参数,并确定了权重因子的取值范围。结果表 明奇异指数和相应的谱函数作为多重分形谱的重要参数,一定程度上反映了股指本身的变化范围 和高低价位出现频率的变化,然而谱函数可以预测股市趋势的断言在沪市并不成立。 关键词:统计物理 高频数据 多重分形谱 奇异指数

说明：加权零阶域算法，预测的相对误差大概能控制在5 以内。用于上证指数的预测。

说明：基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测

说明：利用SVM做回归线性测试。对于大盘指数的有效预测可以从整体上观测股市的变化提供强有力的信息，所以对上证指数的预测很有意义。通过对上证指数从1990.12.20-2009.08.19每日的开盘数进行回归分析，最终拟合的结果是：均方误差MSE=2.35705 e-005，平方相关系数 R=99.9195 。SVM的拟合结果还是比较理想的。

说明：hurst上证指数，EXcel实现，内有1990-12-21至2013-10-24上证指数数据

说明：SVM神经网络的回归预测分析---上证开盘指数预测,matlab的经典算法

说明：《MATLAB神经网络30个案例分析》中的第14个例子，案例14 SVM神经网络的回归预测分析---上证开盘指数预测。希望对大家有一定的帮助！

说明：基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测

说明：SVM神经网络的回归预测分析---上证开盘指数预测

说明：SVM神经网络的回归预测分析---上证开盘指数预测

说明：SVM 內附範例 svm的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测