量化金融与风险管理“,

金融机器学习的MATLAB

发现隐藏的模式,并用金融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使机器学习变得简单:

  • 指向和点击应用程序培训与比较模型
  • 自动超参数调优而且特征选择优化模型性能
  • 能够使用相同的代码来规模化处理大数据和集群
  • 自动生成C/ c++或GPU代码用于嵌入式和高性能应用程序
  • 所有流行的分类、回归和聚类算法有监督学习和无监督学习
  • 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客户之选

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术指南。你会发现机器学习就在你的掌握之中——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。高级功能可以轻松地同步不同的时间序列、用插值值替换异常值、过滤异常值、将原始文本分割为单词等等。快速可视化您的数据,以了解趋势,并通过图表和实时编辑器识别数据质量问题。


应用机器学习

找到最好的机器学习模型.无论你是寻求帮助开始机器学习的初学者,还是寻求评估许多不同类型模型的专家,分类和回归应用程序都能提供快速结果。从各种最流行的分类和回归算法中进行选择,比较基于标准度量的模型,并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你的风格,你可以使用模型训练函数中内置的超参数优化来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™,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计算金融套件是一套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,保险和算法交易的定量应用程2022世界杯八强谁会赢?序。

Baidu
map