如果用matlab验证股票的收盘价符合对数正态分布？

1. 如果用matlab验证股票的收盘价符合对数正态分布？

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

2. 如何用matlab表示收盘价的是上升的

你的问题处在c00的定义上，你用命令whos c00查看就知道了c00是一个1*1的矩阵，它不是1*4001的数组。所以会出现你说的直线的现象。你再看看c00的定义是否没有用点乘或点除？

3. 如何用MATLAB对股票数据做聚类分析

直接调kmeans函数。
k = 3;%类别数
idx = kmeans(X, k);%idx就是每个样本点的标号。

4. 现有一个（涉及到多日股票开盘价收盘价的）公式，我想把txt格式的数据插入其中，并描出图形。用什么软件？

EXCEL即可决策这个问题。

5. 怎么用matlab编程把股票交易的分笔数据处理成1分钟数据？

P=[];‘输入，开盘价，最高价，最低价，收盘价成交量依次5天的数据’
T=[];’输出，即第二日的收盘’
net=newff(minmax(P),[7,1],,'traingdx'); 
net.trainParam.epochs=1000; ‘最大训练次数，根据需要可自行调节’
net.trainParam.goal=0.01; ‘误差’
net.trainParam.lr=0.01; ‘学习率’
net=train(net,P,T); ‘训练网络’
test=[];‘待预测数据输入’
out=sim(net,test); ‘仿真预测’
我的这个程序没有进行初始化，你还需要先将数据进行初始化后才能算。

6. 如何利用matlab求相关系数？

1、第一步我们首先需要知道matlab中求相关系数用到的是corrcoef函数，在命令行窗口中输入“help corrcoef”，可以看到corrcoef函数用法，

2、第二步在命令行窗口中输入a=[1 3 6 7 8 16]，b=[2 4 7 9 15 19]，创建两个矩阵，求两个矩阵的相关系数，

3、第三步输入corrcoef(a,b)，按回车键，可以看到两个矩阵的相关系数是 0.9454 ，呈高度相关，

4、第四步输入corrcoef(a)，可以求a矩阵的相关系数，如果a矩阵是个多维矩阵，可以通过corrcoef(a(:,1),a(:,2))求每一列的相关系数，

5、第五步按回车键之后，可以a矩阵自身的相关系数为1，这里需要注意的是相关系数0.00-±0.3是微相关，±0.30-±0.50是实相关，±0.50-±0.80是显著相关，±0.80-±1.00是高度相关，

7. MATLAB怎样获取实时股市行情数据

上面的matlab代码中:symbol=strcat('sh',num2str(StockCode,'d')); 应改为：

symbol=strcat('sh',num2str(StockCode,'%d'));

8. matlab如何实现自相关函数

自相关函数是描述随机信号X(t)在任意两个不同时刻t1，t2的取值之间的相关程度.设原函数是f(t)，则自相关函数定义为R(u)=f(t)*f(-t)，其中*表示卷积.

给个例子:
dt=.1;
t=[0:dt:100];
x=cos(t);
[a,b]=xcorr(x,'unbiased');
plot(b*dt,a)
上面代码是求自相关函数并作图，

matlab中查看帮助时,
help xcorr 解释其意思是： 
C(m) = E[A(n+m)*conj(B(n))] = E[A(n)*conj(B(n-m))]；

但是,在调用xcorr函数求自相关时,有 scaleopt参数
r=xcorr(s,SCALEOPT)

SCALEOPT有
   'biased'   - scales the raw cross-correlation by 1/M.
      'unbiased' - scales the raw correlation by 1/(M-abs(lags)).
      'coeff'    - normalizes the sequence so that the auto-correlations
                   at zero lag are identically 1.0.
      'none'     - no scaling (this is the default).

注意观察下面的测试:
s = [1 2 3]
r = xcorr(s);
r =
    3.0000    8.0000   14.0000    8.0000    3.0000

当用r=xcorr(s,'unbiased')时就能得到
r =3.0000    4.0000    4.6667    4.0000    3.0000