如何用Matlab程序求出下面式子的alpha和beta

1. 如何用Matlab程序求出下面式子的alpha和beta

matlab默认是用数值计算的，可能精度上有差别吧。

2. matlab中alpha函数是什么？怎么用？

alpha函数，设置在当前坐标轴上设置对象的透明度属性。
使用格式：
alpha（v）  v可取0～1之间的数值。0为完全透明，1为不透明，0.5为半透明。
举例说明：
subplot(1,3,1),surf(peaks),alpha(0),title('完全透明'),colormap(summer);

subplot(1,3,2),surf(peaks),alpha(0.5),title('半透明'),colormap(summer);
subplot(1,3,3),surf(peaks),alpha(1),title('完全不透明'),colormap(summer);

3. MATLAB怎么量化系数

1、. Ctrl+C 中断正在执行的操作
如果程序不小心进入死循环，或者计算时间太长，可以在命令窗口中使用Ctrl+c来中断。MATLAB这时可能正疲于应付，响应会有些滞后。
2. figure命令新建一个绘图窗口
figure 可以打开一个空的绘图窗口，接下的绘图命令可以将图画在它里面，而不会覆盖以前的绘图窗口。当有多个figure窗口时，在命令窗口中执行如Plot等命令将覆盖当前figure窗口中的对象。所谓的当前figure窗口，也就是最后一次查看的窗口(可以用命令gcf得到)。

4. 烦请各位大神用matlab中fsolve帮我计算这个五元五次方程，前面的alpha都知道了。

α1、α2、α3、α4、α5各是多少请提供。有了这些，就可以选定λ、u1、u2、σ1、σ2的初始值，然后用fsolve（）函数或其他数值方法求出λ、u1、u2、σ1、σ2的数值解。

5. MATLAB建模 中怎样输入字母阿尔法

1、首先在电脑中鼠标右击，打开电脑桌面上matlab程序，如下图所示。

2、可以直接在命令行窗口输入以下的程序：a=rand(1,10);b=rand(5,5);subplot(1,2,1),plot(a)，必须是英文输入状态下。

3、还可以新建脚本，点击matlab程序左上角新建脚本命令。

4、在编辑器中输入代码程序：a=rand(1,10);b=rand(5,5);subplot(1,2,1),plot(a)，编辑好的程序如图所示。

5、点击运行命令，用matlab就做出一个字母，如下图所示就完成了。

6. matlab做量化投资分析，怎么学

Matlab是一个高级的矩阵/阵列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序（M文件）后再一起运行。新版本的MATLAB语言是基于最为流行的C++语言基础上的，因此语法特征与C++语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式。使之更利于非计算机专业的科技人员使用。而且这种语言可移植性好、可拓展性极强，这也是MATLAB能够深入到科学研究及工程计算各个领域的重要原因。

温馨提示：以上解释仅供参考。
应答时间：2021-10-09，最新业务变化请以平安银行官网公布为准。 
[平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~ 
https://b.pingan.com.cn/paim/iknow/index.html

7. 什么是α，β收益，量化投资的策略创建与分析

α收益：一揽子可以自定义低估、同质化并且有波动的股票，不断买入更便宜的，卖出更贵的，从而获得的收益。
例如：几个跟着沪深300的ETF，你发现手中持有的沪深300ETF溢价2%了，而市场上同时存在一个折价1%的ETF，那么就卖出溢价高的沪深300ETF，去买折价的，这样虽然始终持有沪深300ETF，但获得了超越沪深300指数本身的收益，就是α收益。
解释一下同质化：明显所有的沪深300ETF是同质化的，也可以认为最小市值20个股票是同质化的，所有银行股是同质化的，分级A是同质化的。下文中有解释自定义低估。
β收益：基本面本身上涨是β收益。
例如，自定义最小市值的10个股票为一个指数，这些最小市值从5亿涨到20亿，这就是β收益。自定义最低股价10个为一个指数，从牛市的5元跌到2元，那么β收益就是负的

量化策略创建三个步骤：
策略的理论基础
历史回测
找到策略黑天鹅。 
（一）策略的理论基础：（大致分为三类）：基本面理论
按基本面又可以分为：1.价值型；2.成长型；3.品质型；按中国特色A股基本面又可以添加；4.小市值型；5.股价型

技术面理论
按技术面又可以分为：1.趋势型，2.趋势反转型，3.缩量反弹，4.指数轮动，5.择时
风险套利
风险套利（或者称轮动）：不断买入更便宜的，卖出更贵的。

注意：
有些理论基础并不牢固，并且不能很好解释（这也导致了各种投资流派互相不服）
有些量化跳过了理论基础，直接根据历史统计进行量化（本文不讨论），例如，统计两会前后涨跌，一季度历史表现最好板块
对策略理论的解释：
基本面策略可以定义什么是低估，比如低PE是低估，低市值是低估，低股价是低估，高ROE是低估，高成长是低估；也可以自定义低估，PB*PE是低估，总市值*流通市值小是低估
基本面理论提供了一揽子同质化并且有波动的股票。有些基本面策略的股票间波动较小，例如最低PE股，一段时期内总是那么几个银行股；有些波动较大，比如小市值型
技术面理论有些很难定义什么是低估，比如趋势型；有些则看似可以定义低估，例如，BIAS最小，20日跌幅最大，其实也不是
能自定义低估的策略是风险套利，不能自定义低估的策略是统计   
基本面本身能上涨，就获得了β收益
我得出的结论是：风险套利策略的核心是对自定义低估的轮动，即不断获得α收益！！
如何获得α收益：大部分基本面策略的收益是因为风险套利获得的；也就是不断买入更低估的，卖出更贵的；也就是因为调仓周期内因不同股票的波动而产生收益，因此适当缩短周期有利于提高收益；所以在一年内交易次数越多，alpha收益越大（投资大师说的减少交易次数，并不适用于套利）
理论本身获得的β收益并不多，甚至为负（价值型由于近几年市场估值不断降低，不调仓的话，收益是负的）
我们应当寻找的是：基本面理论本身能上涨，且能提供同质化，波动较大的策略（即获得α，又获得β）
统计策略其内在逻辑说服力小，是过去的概率来预测未来 
（二）历史回测：回测中最重要一点是：不要欺骗自己历史回测中要用到一个哲学思想，叫做奥卡姆剃刀:较简单的理论比复杂的理论更好，因为它们更加可检验
改变测试起始时间。调仓周期超过2天的策略，应该试遍每个起始时间，取平均收益，这才最接近策略真实历史回测，因为理论上起始时间变化一两天对策略收益影响是不大的，如果变化很大就说明过度优化。
不要创建静态股票池。历史上每个阶段都有大牛股，完全可以收集大牛股作为股票池，算好调仓周期，每个阶段买最牛的，收益可以美到不敢想象
不要用PE.PB等指标精确逃顶抄底，最多用来确定一个大致范围。每次大顶点位都是不同的，这样的择时毫无意义。
先用25个以上股票测试，确定策略有效性，再减少数量做策略，如果25个测试无效，那么一两个即使收益很好，也该放弃。 
改变条件权重。如果稍微改变权重，收益变化很大，那么就降低策略未来预期收益，别指望策略以后会表现这么好。
尽量从07年开始测试。除非你能确定每个时间市场的风格，显然这是不可能的。
同一套择时系统，如果用在策略1上回撤是30%，用在策略2上回撤是15%，你肯定会选择策略2，如果策略1和2本质上是差不多的策略，别太高兴，在未来，策略1和2表现谁好谁坏也是难说的
（三）找到黑天鹅：每个策略都有黑天鹅价值型，成长型，品质型策略，黑天鹅是过一个季度，可能财务数据完全变了，因此持仓个数不能太少，行业要分开
小市值，低价，低交易额策略，黑天鹅是出现仙股
统计类，技术类策略，黑天鹅是理论本身就不完美

8. 已知一组数据，两参数威布尔参数的数据都知道，求解alpha和beta的值，matlab直接的公式怎么用？

可以用nlinfit（）函数来求alpha和beta的值。
求解步骤：

t=[。。。];y=[。。。];

nh_fun=@(beta,t)(beta(1)/beta(2).*(t/beta(2)).^(beta(1)-1).*exp(-(t/beta(2))^beta(1));
beta0=[。。。];
[beta,r,J]=nlinfit(x,y,nh_fun,beta0)