量化金融与风险管理

金融机器学习的MATLAB

发现隐藏的模式,并使用财务和替代数据创建预测模型

量化分析师和金融数据科学家使用MATLAB®开发和部署金融领域的各种机器学习应用程序,包括算法交易、资产配置、情绪分析、信用分析和欺诈检测。MATLAB使机器学习变得容易:

  • 单击应用培训和比较模型
  • 自动hyperparameter调优而且特征选择优化模型性能
  • 能够使用相同的代码大规模处理大数据和集群
  • C/ c++或GPU代码的自动生成用于嵌入式和高性能应用程序
  • 所有流行的分类、回归和聚类算法用于监督学习和非监督学习
  • 更快的执行比Python®和R在大多数统计和机器学习基准上
面板的导航

客户的选择

MathWorks被Gartner Peer Insights评为2019年5月数据科学和机器学习平台的客户选择

面板的导航

机器学习在金融中的应用

资产配置

Aberdeen Standard讨论了使用MATLAB进行机器学习来分析金融市场趋势,并在Microsoft Azure上进行测试。

算法交易

这本简短的电子书是你的基本技巧指南。你会发现机器学习在你的掌握之中——你不需要成为一个专家就可以开始学习。

风险管理

学习如何将机器学习技术应用于风险管理,包括市场风险、信用风险和操作风险。

探索性数据分析

减少预处理数据的时间.从金融时间序列到文本,MATLAB数据类型显著减少了预处理数据所需的时间。高级函数使得同步不同的时间序列、用插值值替换异常值、过滤异常值、将原始文本分割成单词等等变得很容易。快速可视化您的数据,以理解趋势和识别数据质量问题与图表和Live编辑器。


应用机器学习

找到最好的机器学习模型.无论你是在寻找机器学习入门帮助的初学者,还是在寻找评估许多不同类型模型的专家,分类和回归的应用程序都能提供快速的结果。从各种最流行的分类和回归算法中进行选择,基于标准度量比较模型,导出有前途的模型以进行进一步的分析和集成。如果编写代码更符合您的风格,您可以使用内置在模型训练函数中的超参数优化,以找到优化模型的最佳参数。


多平台部署

在任何地方部署机器学习模型,包括C/ c++代码,CUDA®代码,企业IT系统,或者云。当性能很重要时,您可以从您的MATLAB代码生成独立的C代码,以创建具有高性能预测速度和小内存占用的可部署模型。您还可以将机器学习模型部署到MATLAB Production Server™中,以便与web、数据库和企业应用程序集成。


计算金融套件

计算金融套件

MATLAB计算金融套件是一组12个基本产品,使您能够开发风险管理、投资管理、计量经济学、定价和估值、保险和算法交易的量化应用程2022世界杯八强谁会赢?序。

Baidu
map