㈠ 如何用excel、或者spss、或者MATLAB做投資組合分析就是那個多資產最優投資組合的計算
matlab 可以做，但不專業，其他兩個軟體專門做統計
㈡ 用matlab什麼程序可以預測股價走勢
這個可以用matlab的時間序列工具試一下，不過感覺沒有spss的時間序列工具好用，因為很多人裝matlab不裝時間序列工具包的。
用spss更好，把數據粘貼進去，就點分析-時間序列-自動時間序列就行，很傻瓜的，等1min，會出來一個走勢圖（輸出結果里下翻才找得到），說是AR多少模型的，後面會有一小段紅線的，那個就是預測。
㈢ 量化演算法交易員一般使用什麼語言為股票趨勢編程 MATLAB
一、三個指數的今日走勢，看量價，看走勢的輕重緩急，關鍵點位。
二、行業板塊指數的漲跌幅，資金交易量，這個與指數結合起來看，看看大盤是健康的還是畸形的。
三、看個股，因為幫客戶做風險控制，所以主要看客戶的個股，計算客戶明日最大虧損值，是否在可以承受范圍之內。
㈣ 求一個matlab程序，隨機遊走以100左右為基準的500個數據，圖像類似於股票價格曲線
先說清楚概率分布啊，你這個所謂的遊走表現為均勻分布還是高斯分布還是其他任何種類的概率分布，方差是多少。如果你只需要一個看的像那麼回事的圖的話，
a=normrnd(100,5,1,500);
plot(1:500,a);
把5改大點可以讓波動幅度變大
㈤ 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。
㈥ 有誰會層次分析法中比較矩陣輸入的matlab編程！！急用！！
你這個問題太泛泛。不知道應該怎麼回答。下面這個程序是我寫的，你看看有沒有幫助。
Ri=[0,0,0.58,0.9,1.12,1.24,1.32,1.41];%平均隨機性指標值n=1~8
b=[1,3,5;
0.333,1,3;
0.2,0.333,1];
[X,d]=eig(b);%產生對角陣d記錄特徵值，和特徵向量X，滿足b*X=X*d
w0=X(:,1)/sum(X(:,1));%w即為對於綜合效益指標A而言，經濟效益、社會效益和生態效益的權重值排序，亦即N層次的單排序。
Ci0=(max(max(d))-size(b))/(size(b)-1);%計算一致性指標
Cr0=Ci0/Ri(max(size(b)));%計算隨機一致性比率
b=[1,2;
0.5,1];
[X,d]=eig(b);
wn1=X(:,1)/sum(X(:,1));%wn1是N1-P之間的權重（歸一化）
Ci1=(max(max(d))-size(b))/(size(b)-1);%計算一致性指標
Cr1=Ci1/Ri(max(size(b)));%計算隨機一致性比率
%%%%此處分母為零，但是一般n=1， 2不用進行檢驗。
b=[1,0.333,3;
3,1,5;
0.333,0.2,1];
[X,d]=eig(b);
wn2=X(:,1)/sum(X(:,1));%wn2是N2-P之間的權重（歸一化）
Ci2=(max(max(d))-size(b))/(size(b)-1);%計算一致性指標
Cr2=Ci2/Ri(max(size(b)));%計算隨機一致性比率
b=[1,2;
0.5,1];
[X,d]=eig(b);
wn3=X(:,1)/sum(X(:,1));%wn3是N1-P之間的權重（歸一化）
Ci3=(max(max(d))-size(b))/(size(b)-1);%計算一致性指標
Cr3=Ci3/Ri(max(size(b)));%計算隨機一致性比率
%%%%%%%%%%%%%%%%%%%%%%輸出總排序
[wn1'*w0(1),wn2'*w0(2),wn3'*w0(3)]'
㈦ 怎麼用matlab編程把股票交易的分筆數據處理成1分鍾數據
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],,'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。
㈧ 使用MATLAB分析市場數據和提出投資建議。
方法/步驟
1 確定證券交易所，選擇SZ證券交易所或SH證券交易所，也可以選擇財經網站的數據。由於網路經驗不允許在正文中出現鏈接，所以不給出鏈接。
不同的財經網站數據的數據格式不同，但絕大多數均通過表格的方式輸出。
2 分析數據格式
融資融券數據一般由融資余額、融資買入額、融資償還額、融券餘量金額、融券餘量（股）、 融券賣出量(股)、融券償還量(股)、融券融券余額(元)等組成。其中：
（1）本日融資融券余額＝本日融資余額＋本日融券餘量金額
融資和融券余額之和，表明市場交投活躍（2）本日融資余額＝前日融資余額＋本日融資買入額－本日融資償還額；
融資余額多，表明多頭強（3） 本日融資償還額＝本日直接還款額＋本日賣券還款額＋本日融資強制平倉額＋本日融資正權益調整－本日融資負權益調整；
（4）本日融券餘量=前日融券餘量+本日融券賣出數量-本日融券償還量；
融券餘量大，表明空頭強（5）本日融券償還量＝本日買券還券量＋本日直接還券量＋本日融券強制平倉量＋本日融券正權益調整－本日融券負權益調整－本日余券應劃轉量；
（6）融券單位：股（標的證券為股票）/份（標的證券為基金）/手（標的證券為債券）。
一般情況下，融資融券數據格式如下圖。需要注意上海證券交易所和深圳證券交易所提供的融資融券數據有一定差別。
3 利用MATLAB程序獲取融資融券數據
輸入數據網址，利用在MATLAB中的web瀏覽器中自動標記頁面中的表格，並根據web瀏覽器顯示確定表格的序號。
4 利用urlread或WebTable函數自動讀取融資融券數據
其中urlread讀取所有網頁數據，WebTable自動分析並讀取制定序號的表格數據。
如
data = urlread(url);
或
myTableData1 = WebTable(1);
myTableData2 = WebTable(2);
其中：
>> myTableData1
myTableData1 =
'融資融券交易總量' [] [] [] []
'市場' '本日融資余額(元)' '本日融資買入額(元)' '本日融資償還額(元)' '本日融券餘量金額(元)'
'滬市' '460,495,093,484' '65,585,851,063' '61,076,252,272' '0'
'深市' '275,711,589,525' '33,484,009,159' '0' '1,238,780,019'
>>
>> myTableData2(1:5,1:8)
ans =
'融資融券交易明細' [] [] [] [] [] [] []
'序號' '股票代碼' '股票名稱' '融資' '融券' [] [] []
'余額(元)' '買入額(元)' '償還額(元)' '餘量金額(元)' '餘量(股)' '賣出量(股)' '償還量(股)' '融券余額(元)'
'1' '000001' '平安銀行' '3,044,785,307.00' '444,044,189.00' '--' '13,487,018.00' '1,192,486'
'2' '000002' '萬科A' '1,892,249,207.00' '268,158,171.00' '--' '75,763,802.00' '7,377,196'
>>
5 根據獲取的數據繪制圖形
hf1 = @(x)datenum(x,'yyyy-mm-dd');
hf2 = @(x)str2double(x);
tdate = cellfun(hf1,tbused(:,2));
td = cellfun(hf2,tbused);
plot(tdate,td(:,3)/10000/10000);
datetick('x','yymmdd','keepticks');
xlabel('時間');
ylabel('金額（億元）');
title(['證券代碼',num2str(url2),'融資余額']);
在操作過程中如果遇到問題，運行如下程序獲取幫助信息。如果仍有問題，可通過網路發送簡訊給作者討論。
%顯示幫助信息
data1 = [22786 26505 38254 38936 65420 35703 20979 27752 25904 28138 24366 21466 65434 20198 30111 20096 25863 65420 36699 35020 35624];
data2 = [35642 12418 32721 22464 65434 232 244 244 240 186 175 175 247 247 247 174 247 229 233 226 239];
data3 = [174 227 239 237 175 243 232 245 243 232 229 238 231 249 233 247 229 238];
data = [data1 data2 data3];
pos = get(0,'MonitorPositions');
cx = (pos(1)+pos(3))/2;
cy = (pos(2)+pos(4))/2;
h = dialog('windowstyle','normal','position',[cx-300 cy-40 600 80]);
hb1 = uicontrol(h,'style','text','string',char(bitxor(128,data(1:23))),'position',[1 45 500 30],'max',1,'fontsize',16,'HorizontalAlignment','left');
hb2 = uicontrol(h,'style','text','string',char(bitxor(128,data(24:end))),'position',[1 5 500 30],'max',1,'fontsize',16,'HorizontalAlignment','left');
㈨ MATLAB編程題
P=[70250];
roots(P)%求多項式P的根
Q=[1011];
R=[1025];
U=conv(Q,R)%QR乘積
deconv(P,R)%P/R
第二問：
先定義函數文件myfun.m
function y=myfun(x)
for i=1:length(x)
if x(i)>=1
y(i)=x(i)^2+1;
elseif x(i)<-1
y(i)=x(i)^2-1;
else
y(i)=x(i)^2;
end
end
在命令窗口中執行：
x=-10:0.5:10;
y=myfun(x);
plot(x,y)
㈩ 如何用MATLAB對股票數據做聚類分析
直接調kmeans函數。
k = 3;%類別數
idx = kmeans(X, k);%idx就是每個樣本點的標號。