本书对MATLAB R2020a软件进行了全面、系统的介绍。
全书共9章。第1～5章主要介绍MATLAB的基础知识，包括MATLAB的发展历史、数据读写操作、数据处理、编程和数据可视化处理等；第6～7章详细地介绍了MATLAB在金融数据统计分析和金融计量模型方面的应用，丰富了以MATLAB为工具的金融计量实证的范例；第8章对金融领域常用的风险管理方法和实例进行了讲解；第9章则将机器学习和深度学习算法与金融数据处理相结合，并为每个算法设计了一个对应的金融数据处理案例。
本书内容丰富，具有很强的实用性，适合MATLAB初学者使用。

第1章 MATLAB简介
1.1 概述
1.1.1 发展历史
1.1.2 MATLAB的版本进展
1.1.3 MATLAB R2020a版本特性
1.1.4 MATLAB的特点
1.1.5 MATLAB和Python的比较
1.1.6 下载方式
1.2 认识MATLAB
1.2.1 打开方法
1.2.2 MATLAB的主窗口及功能
1.2.3 MATLAB的工作窗口
1.2.4 搜索路径
1.2.5 实用快捷键与常用命令
1.2.6 帮助系统
1.2.7 实时编辑器
1.2.8 App Designer
1.3 MATLAB的实际应用——以GUI为例
第2章 数据读写的基本操作
2.1 导入、导出文件和数据的基本操作
2.1.1 导入文件和数据的方法
2.1.2 导出文件和数据的方法
2.1.3 打开文件和数据的方法
2.1.4 文本文件的读写
2.1.5 低级文件I/O
2.1.6 Excel文件的读写
2.2 对金融时间序列数据的处理
2.2.1 实例：计算平安银行日收益率最大涨幅
2.2.2 金融时间序列数据
2.2.3 创立和读取时间序列数组
2.2.4 金融相关工具箱介绍
第3章 数据的基本处理
3.1 MATLAB的数据类型
3.1.1 MATLAB的15种基本数据类型
3.1.2 数据类型转换函数
3.1.3 数据转换实例
3.1.4 数值溢出
3.1.5 变量及其命名规则
3.2 数组及其运算
3.2.1 数组的定义及类型
3.2.2 实例：数组的创建
3.2.3 多维数组操作
3.3 矩阵及其运算
3.3.1 矩阵的定义及类型
3.3.2 实例：矩阵的创建、访问及运算
3.4 关系运算和逻辑运算
3.4.1 关系运算和逻辑运算的定义与类型
3.4.2 实例：矩阵之间的符号运算
3.5 字符和字符串
3.5.1 字符和字符串的定义
3.5.2 字符和字符串创建，连接和转换的方法、步骤
3.6 元胞数组
3.6.1 元胞数组的定义
3.6.2 创建元胞数组
3.6.3 元胞数组的寻访
3.6.4 元胞数组的删除
3.6.5 相关函数
第4章 MATLAB编程基础
4.1 MATLAB编程入门
4.1.1 函数脚本的定义、创建与调用
4.1.2 注意事项
4.2 编程的基础
4.2.1 程序设计和开发
4.2.2 条件语句
4.2.3 循环语句
4.2.4 switch结构
4.3 调试MATLAB程序
第5章 数据可视化处理
5.1 MATLAB绘图
5.1.1 创建MATLAB图形窗口及绘图
5.1.2 总结：绘图函数一览
5.1.3 图形修饰
5.1.4 实例：绘制股票市场的价格序列的折线图
5.2 MATLAB GUI（图形用户界面设计）
5.2.1 GUI介绍
5.2.2 创建GUI
5.2.3 GUI控件的属性编辑器
5.2.4 MATLAB常见的回调函数
5.2.5 实例：实现三维图形的绘制
5.2.6 实例：实现在一个界面中绘制两个图形
第6章 金融数据统计分析
6.1 描述性统计基础
6.2 相关分析
6.2.1 协方差
6.2.2 相关系数
6.3 回归分析
6.3.1 一元线性回归
6.3.2 多元线性回归
6.3.3 非线性回归
6.4 数据降维分析
6.4.1 主成分分析
6.4.2 因子分析
6.5 方差分析
6.5.1 单因素方差分析
6.5.2 双因素方差分析
6.6 金融问题综合应用
第7章 金融计量模型实现
7.1 数据检验
7.1.1 平稳性检验
7.1.2 序列自相关性检验
7.1.3 协整检验
7.2 ARIMA模型
7.2.1 ARIMA模型的基本程序
7.2.2 ARIMA实例
7.3 GARCH模型
7.3.1 GARCH模型实例
7.3.2 变种GARCH模型
7.4 向量自回归模型
7.5 格兰杰因果检验
7.6 脉冲响应函数
第8章 风险管理
8.1 风险价值（VaR）评估和回溯检测
8.1.1 VaR的定义
8.1.2 VaR的主要性质
8.1.3 VaR的优缺点
8.1.4 案例分析
8.2 条件风险价值（CVaR）投资组合优化
8.2.1 CVaR的定义
8.2.2 CVaR相对于VaR的改进
8.2.3 案例分析
第9章 金融数据机器学习处理
9.1 K均值（K-means）股票聚类分析
9.1.1 K-means相关概念及原理
9.1.2 算法步骤
9.1.3 案例分析
9.2 隐马尔科夫模型(HMM)指数状态预测
9.2.1 HMM的定义
9.2.2 HMM的优缺点
9.2.3 案例分析
9.3 支持向量机（SVM）股票价格预测
9.3.1 SVM的定义
9.3.2 SVM的优缺点
9.3.3 案例分析
9.4 长短期记忆网络（LSTM）股票价格预测
9.4.1 LSTM的定义
9.4.2 LSTM的优缺点
9.4.3 案例分析