统计套利的机器学习:介绍
用于处理大量数据的机器学习技术在计算金融中广泛应用。本主题中介绍的一系列示例提供了一个通用的工作流程，说明了MATLAB中的功能如何®应用于金融工程中的一个具体问题。工作流是面向问题的，探索性的，并由数据和结果分析引导的。但是，总体方法对于在许多领域构建应用程序是有用的。
工作流由以下操作组成:
通过对市场微观结构的分析，制定一种简单的算法交易方法，目标是识别实时套利机会。
利用大样本交易数据跟踪单一证券在某一天的订单动态，对数据进行选择性处理，制定相关统计措施。
根据特性工程和开发过程中引入的超参数的选择创建一个日内动态模型。
使用一个监督目标评估超参数调优，该目标计算基于模型的交易策略的现金回报。
使用不同的机器学习算法优化交易策略。
为进一步开发提出修改建议。
工作流分为三个示例:
有关机器学习一般工作流程的更多信息，请参见:
您也可以从以下列表中选择网站: