本书主要介绍并行计算相关的算法的设计和并行计算的性能优化技巧,涵盖现代处理器的特性、衡量程序性能的方法、串行代码性能优化、并行编程模型及其环境、并行算法设计、遗留代码的并行处理、并行编程模型、混合并行等核心技法与实践技巧。
本书全面系统地讲解了MATLAB金融算法分析与应用,以及金融数据挖掘中的趋向和发展趋势指标,并结合具体的机器学习算法分析,让读者深入学习和掌握MATLAB金融数据机器学习算法。本书注重实战,通过大量的案例,帮助读者更好地理解书中的内容。 本书分为2篇,共15章。主要内容有:MATLAB入门与提高、MATLAB高级应用、时间序列数据处理、量化投资趋向指标、量化投资反趋向指标、BP神经网络工具箱上证指数预测、 BP神经网络工具箱多指标预测、RBF神经网络多指标预测、Hopfield神经网络多指标预测、马尔可夫(Markov)链上证指数预测、灰色理论下的上证指数预测、指数平滑下的上证指数预测、支持向量机SVM下的涨跌预测、贝叶斯(Bayes)网络多指标预测、Pareto多目标优化分析。 本书适合所有想全面学习MATLAB 金融分析算法的人员阅读,也适合各种量化投资开发人