如何用MATLAB获取同花顺和大智慧的数据

历史的可以导出，但是时候的比较麻烦

可以使用wind的插件在xls上 获得实时行情

你的采纳是我前进的动力，还有不懂的地方，请你继续“追问”！！

如你还有别的问题，可另外向我求助；答题不易，互相理解，互相帮助！

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

望高手支招！

不一定要拷贝到data文件中啊，你使用xlsread时指定excel绝对路径就可以了嘛

二如果只是几个很大的矩阵数据，你直接在matlab中定义矩阵，再复制粘贴得了

定义矩阵就先定义个空的呗比如一维：a=zeros(1,n)；%%这是1xn的二维：a=zeros(n)

%%这是nxn的

然后在workspace窗口打开这个空矩阵，把excel中的数直接复制过来就行了xlsread()，但是对excel表要求还挺高的，比如有次我就导入失败，是因为名字虽然是xls,但是实际是

文本文件（制表符分隔）(txt)

格式的，所以你注意一下，对照matlab帮助，一般不会有问题如何把excel中的文本格式的数字转化成数值格式在一个空单元格输入1，并复制它选中要转化成数值的单元格区域

右击-选择性粘贴-乘补充回答：这样 *** 作以后，仍不能转换数值，说明你原来的数据格式有问题，提示你检查以下几项：1、数据内是否存在空格，（可以通过查找替换，将空格替换掉）

2、数据内是否存在非法字符！清除后，就可以运算了有的时候还需要：把修改过的区域再进一步修改，全选中，然后“单元格格式”，把单元格格式由“常规”改为“数值”！！！

例如，你的文本文件名为'xtxt'，那么就很简单了，使用load xtxt就可以了，matlab会自动使用文件名作为变量。\x0d\如果你使用其它的文件名，例如'1txt'，matlab会将内容赋给变量X1，那么你转换一下就可以了，令x=X1。 \x0d\--------------------------------------------------\x0d\a=load('xtxt');\x0d\x=a(:,1);\x0d\b=load('ytxt');\x0d\y=b(:,1);\x0d\\x0d\改成(数据横着放，以空格分开数据)\x0d\x=a;\x0d\y=b;

matlab同时可以预测多少股票

可以同时预测3支股票

（1）根据评价指标集, 确定BP 网络中输入节点的个数, 即为指标个数;

（2）确定BP 网络的层数, 一般采用具有一个输入层, 一个隐含层和一个输出层的三层网络模型结构; 明确评价结果, 输出层的节点数为1;

（3）对指标值进行标准化处理, 然后作为训练样本和检验样本;

（4）网络状态初始化, 对连接权值wij 和阈值θj赋予( 0, 1)之间的随机数;

（5）输入样本, 从前往后计算各层神经元输出yj ;

（6）对输出层计算权值误差E;

（7）从后往前计算各隐层的权值误差δ'j =f '(netj)·l !δlvlj ;

（8）计算并保存各权值修正4量Δwij(n)=- ηδjxi+αΔwij(n- 1);

（9）修正权值wij(n+1)=wij(n)+Δwij(n);

（10）输入另外一样本, 转到步骤⑤ , 直到网络收敛且输出误差小于允许值。

二、具体原理应用

（1） 网络层数和ANN 输入结点的确定

通常,我们取三层网络模型。输入层起缓冲存储器的作用,它接受外部的输入数据, 因此节点数取决于输入矢量的维数。股价走势呈波浪形式展开, 具有周期性。技术分析中, 分析周期的选择是否恰当, 对预测结果有直接影响。由于时间、任务量及便于选择等原因, 这里选择为1日, 即date=1。

（2） 数据的预处理

数据预处理是将从股市得到的数据转化为能被ANN 识别的输入数据。设ANN 从n日开始预测股价涨跌, 股票最近已成交的原始数据序列{x' (t)},{x(t)}为处理后输入ANN 的数据序列, 作如下处理

x' =date- 1i = 0 !x' (n- 1)date, x(t)= x' (t)- x'x'+05。

（3）隐层的节点数

一般认为, 隐层节点数与求解问题的要求\ 输入输出单元数多少都有直接的关系。对于BP 网络, 参照前人经验, 可以参照以下公式进行设计:n="ni +n0 +a。

式中n 为隐层节点数; ni 为输入节点数; n0 为输出节点数;a 为1- 10 之间的常数。

（4） 输出结点定义

人工神经网络输出结点数为1, 取股价变化趋势的阈值a=0 选的一段时间涨跌的平均值; 预测步长k=1。输出结点Y(t)

定义如下: Y(t)=0 时, 预测股价在t+1 开始的单日涨幅或跌幅不超过a, 即预计处于下跌趋势; Y(t)=1 时预计股价在t+1 开始的单日内处于上涨趋势, 上升幅度累计超过a。

（5） 网络的其它参数确定

隐层结点数为6, 结点作用函数为S 函数, 即f(s)= 11+e- s;学习系数为07。学习时要求输出误差d≤01。预测时输出层的输出大于05 判为1; 小于或等于05 判为0。

三、程序解析

1、进入窗口程序窗口看

（1）“点击进入”按钮

% --- Executes on button press in pushbutton3

function pushbutton3_Callback(hObject, eventdata, handles)

% hObject handle to pushbutton3 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

yucexianchang;

set(gupiaoyuce,'Visible','off');

（2）“退出”按钮

% --- Executes on button press in exit_pushbutton

function exit_pushbutton_Callback(hObject, eventdata, handles)

% hObject handle to exit_pushbutton (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

Close;

2、股票预测窗口

模拟功能：

模拟

绘图

（1）“模拟”按钮CallBack函数

% --- Executes on button press in moni_pushbutton

function moni_pushbutton_Callback(hObject, eventdata, handles)

% hObject handle to moni_pushbutton (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

global PD ED PW EW; %全局变量

danwei=get(handlesdanwei_popupmenu,'Value');

xiangmu=get(handlesxiangmu_popupmenu,'Value');

danweishu=str2num(get(handlesdanweishu_edit,'String'));

jingdu=str2num(get(handlesjingdu_edit,'String'));

[PD,ED]=yuce_day(danweishu,jingdu);%调用yuce_daym函数进行预测

[PW,EW]=yuce_week(danweishu,jingdu);%调用yuce_weekm函数进行预测

（2）股票预测核心函数（yuce_daym）

怎么用matlab的循环语句来批量计算股票每年的峰度和偏度

shuju=[ ]; % 读入数据

jun_zhi = mean(shuju) % 求均值

biao_zhun_cha=std(shuju) % 标准差

pian_du=skewness(shuju) % 偏度：>0 称为右偏态，<0，称为左偏态

feng_du=kurtosis(shuju) % 峰度：用作衡量偏离正态分布的尺度之一

以上就是关于如何用MATLAB获取同花顺和大智慧的数据全部的内容，包括:如何用MATLAB获取同花顺和大智慧的数据、如果用matlab验证股票的收盘价符合对数正态分布、如何将EXCEL的股票数据导入到matlab软件中进行分析等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！