机器学习在金融中的应用
在这个系列视频中,学习如何使用MATLAB®开发和部署各种机器学习在金融应用,包括算法交易,资产配置,情绪分析,信用分析,欺诈检测和对冲。此外,您可以使用分类学习者应用程序和回归学习者应用程序来解决风险管理问题,如信用风险、市场风险和操作风险。
使用机器学习进行欺诈检测学习如何使用机器学习来检测欺诈活动,如信用卡欺诈。
使用分类学习者应用程序分类信用卡违约使用分类学习者应用程序和简化的数据集来分类和预测信用卡违约。
算法交易的机器学习利用MATLAB和机器学习进行算法交易。
资产配置-分级风险平价本例将引导您完成构建基于分层风险平价(HRP)的资产配置策略的步骤。
资产配置,机器学习和高性能计算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。
MATLAB中的模型可解释性机器学习模型被称为“黑箱”,因为它们对知识和决策的表示不是直观的。了解可解释性算法如何克服机器学习的黑箱特性,以及如何在MATLAB中应用它们。
强化学习交易一名经纪人利用强化学习对冲一份欧洲看涨期权合约。
基于MATLAB和RavenPack的新闻情感分析利用MATLAB对来自RavenPack的数据进行新闻情感分析。
使用回归学习者应用程序预测电力负荷学习如何使用回归学习者应用程序来预测支持电网所需的电量。