MATLAB基础 + MATLAB用于财务工作

• 了解本科水平数学知识（如线性代数、概率论和统计学，以及矩阵）的基本概念
• 基本的电脑操作
• 最好了解另一种高级编程语言（如C、PASCAL、FORTRAN或BASIC）的基本概念，但不是必须的

本课程提供了MATLAB技术计算环境的全面介绍，及使用MATLAB进行金融应用的介绍。本课程面向初级使用者及有意复习相关知识的使用者。不需有编程经验或MATLAB知识。在整个课程中探讨数据分析、可视化、建模、编程等主题。主题包括：

• 使用MATLAB用户界面
• 输入命令并创建变量
• 分析向量和矩阵
• 可视化矢量和矩阵数据
• 使用数据文件
• 处理数据类型
• 使用脚本自动执行命令
• 用逻辑和流控制编写程序
• 写作功能
• 使用金融工具箱进行定量分析

第1部分

MATLAB简介

目标：概述MATLAB是什么、由什么组成、能用来做什么

• 一个例子：C与MATLAB
• MATLAB产品概述
• MATLAB应用领域
• MATLAB能用来做什么？
• 课程大纲

使用MATLAB用户界面

目标：获得MATLAB集成设计环境及其用户界面的主要特点的介绍。获得课程主题的概述。

• MATALB接口
• 从文件读取数据
• 保存和加载变量
• 绘制数据
• 定制图表
• 计算统计和最佳拟合线
• 导出图形以用于其他应用程序

变量和表达式

目标：输入MATLAB命令，重点是创建和访问变量中的数据。

• 输入命令
• 创建变量
• 获得帮助
• 访问和修改变量中的值
• 创建字符变量

用矢量分析和可视化

目标：用矢量进行数学和统计计算，并创建基本的可视化。查看MATLAB语法如何使用单个命令对整个数据集进行计算。

• 用矢量计算
• 绘制矢量
• 基本图表选项
• 标注图表

用矩阵分析和可视化

目标：使用矩阵作为数学对象或（矢量）数据的集合。理解适当使用MATLAB语法来区分这些应用程序。

• 大小和维度
• 用矩阵计算
• 用矩阵数据统计
• 绘制多列
• 重塑和线性索引
• 多维数组

第2部分

使用脚本自动执行命令

目标：将MATLAB命令收集到脚本中以便于复制和实验。随着任务复杂性的增加，在命令窗口中输入长序列的命令变得不切实际。

• 一个建模的例子
• 命令历史
• 创建脚本文件
• 运行脚本
• 评论和代码单元格
• 发布脚本

使用数据文件

目标：从格式化文件中将数据导入到MATLAB中。由于导入的数据可以有多种类型和格式，因此重点在于使用单元格数组和日期格式。

• 导入数据
• 混合的数据类型
• 单元阵列
• 数字、字符串、单元格之间的转换
• 导出数据

多个矢量图

目标：制作更复杂的矢量图（如多个图），并使用颜色和字符串处理技术来生成引人注目的数据视觉展示。

• 图形结构
• 多个数字、轴和图形
• 绘制方程式
• 使用颜色
• 定制图表

逻辑和流控制

目标：使用逻辑操作、变量和索引技术来创建灵活的代码，可以做出决定并适应不同的情况。探索其他允许重复代码段的编程构造，以及允许与用户交互的构造。

• 逻辑操作和变量
• 逻辑索引
• 编程构造
• 流控制
• 循环

矩阵和图像可视化

目标：以二维或三维可视化图像和矩阵数据。探索显示图像和使用图像可视化矩阵数据的区别。

• 使用矢量和矩阵数据的分散插值
• 三维矩阵可视化
• 二维矩阵可视化
• 索引图像和色彩映射
• 真彩色的图像

第3部分

数据分析

目标：在MATLAB中执行典型的数据分析任务，包括开发理论模型和将理论模型拟合到实际数据中。这自然而然地引向了MATLAB最强大的功能之一：用一个单一命令求解线性方程组。

• 处理丢失的数据
• 关联
• 平滑（Smoothing）
• 光谱分析和FFT
• 求解线性方程组

写作功能

目标：通过将模块化任务封装为用户定义的功能来增加自动化。了解MATLAB如何解析对文件和变量的引用。

• 为什么是功能？
• 创建功能
• 添加评论
• 调用子功能
• 工作区
• 子函数
• 路径和优先级

数据类型

目标：探索数据类型，着重于创建变量和访问数组元素的语法，并讨论在数据类型之间进行转换的方法。不同的数据类型可能包含不同的数据种类，以及有不同的数据组织方式。

• MATLAB数据类型
• 整型
• 结构
• 转换类型

文件I / O

目标：探索MATLAB中可以精确控制文本和二进制文件I / O的低级数据导入和导出功能。这些功能包括textscan，它可以精确控制阅读文本文件。

• 打开和关闭文件
• 读取和写入文本文件
• 读取和写入二进制文件

请注意，在没有事先通知的情况下，实际课程可能与上述提纲略有不同。

第4部分

MATLAB金融工具箱概述

目标：学习应用MATLAB金融工具箱中包含的各种功能来对金融行业进行定量分析。获得所需的知识和实践，有效地开发涉及财务数据的实际应用。

• 资产配置和投资组合优化
• 风险分析和投资业绩
• 固定收益分析和期权定价
• 金融时序分析
• 缺失数据的回归和估计
• SDE模型的蒙特卡洛（Monte Carlo）模拟

资产配置和投资组合优化

目标：执行资本分配，资产分配和风险评估。

• 通过价格或回报数据对资产回报和总回报率进行阶矩估计
• 计算投资组合层面的统计数据，如均值、方差、风险值 (VaR) 和条件风险值 (CVaR)
• 在约束条件下执行投资组合均值-方差优化和分析
• 剖析投资组合配置的时效演变趋势
• 实施资本分配
• 阐释投资组合优化问题中的周转率和交易成本

风险分析和投资业绩

目标：定义和解决投资组合优化问题。

• 指定投资组合名称、资产领域中的资产数和资产标识符。
• 定义最始的资产组合配置。

固定收益分析和期权定价

目标：执行固定收益分析和期权定价。

• 分析现金流
• 执行符合 SIA 标准的固定收益证券分析
• 执行基本的 Black-Scholes、Black 和二项式期权定价方式

第5部分

金融时序分析

目标：分析金融市场的时间序列数据。

• 执行数据数学
• 转换和分析数据
• 技术分析
• 图表和图形

缺失数据的回归和估计

目标：在缺失或不缺失数据的情况下执行多元正态回归。

• 执行常见的回归
• 估计对数似然函数和标准误差以进行假设检验
• 在缺失数据的情况下完成计算

技术指标和金融图表

目标：练习使用业绩指标和专用图。

• 移动平均数
• 振荡指标、随机指数、股价指数和指标
• 最大跌幅和预期的最大跌幅
• 图表，包括布林带、烛柱图和移动平均线

SDE模型的蒙特卡洛（Monte Carlo）模拟

目标：创建模拟并应用SDE模型

• 布朗运动（BM）模型
• 几何布朗运动（GBM）模型
• 恒定的方差弹性（CEV）模型
• Cox-Ingersoll-Ross (CIR) 模型
• Hull-White/Vasicek (HWV) 模型
• Heston模型

结论

目标：总结我们学到的东西

• 课程总结
• 其他接下来的MATLAB课程

请注意：由于客户的要求和每个主题所花的时间，实际课程内容可能与大纲有所不同。