阿伯丁资产管理在云中实现基于机器学习的投资组合分配模型

优化其投资组合分配策略,阿伯丁需要创建模型组合的个人资产类别,例如股票、债券、大宗商品和房地产超重或体重过轻与基准相比。这些决定是部分基于复杂的关系模式将影响市场行为的因素及其对未来资产性能的影响。阿伯丁想应用机器学习算法来描述这些关系,理解他们的模式,产生基于他们的交易决策。

阿伯丁分析师需要培训和val,使用可用的市场数据的机器学习算法。意识到的更多的数据,他们将不得不更多证据支持他们的结果,该集团希望利用市场数据可以追溯到超过15年。金宝appval和这么多数据多维问题是为当地的电脑太慢,和他们需要速度计算集群的使用过程。

Abderdeen使用MATLAB、并行计算工具箱™和MATLAB并行服务器来实现机器学习算法对资产配置和运行在微软Azure云。

在MATLAB中工作,Llorente-Cano和他的团队开发了一组分类模型。每一个都是基于不同的机器学习算法从统计和机器学习工具箱™和深度学习工具箱™,包括神经网络、决策树、支持向量机(svm)。金宝app

他们训练的模型使用货币政策等因素,企业利润、利率和隐含波动率。他访问市场数据用数据处理工具箱™。

团队训练模型,val超过15年的历史数据。执行的测试,不断探索新方法和新数据可用时,花了一天来完成。

加速这个过程,解决方案架构师在阿伯丁,James Mann原型与并行计算工具箱桌面上的并行实现,然后使用MATLAB并行服务器运行的并行执行现场计算机集群有80工人。

之后,曼重新部署模型相同数量的工人在微软Azure上运行虚拟机(vm)。他写了一个脚本,它允许MATLAB在云中用户启动vm, MATLAB并行服务器提供的机器学习算法对工人的访问。一旦完成,用户运行一个脚本关闭虚拟机。

Llorente-Cano继续完善资产配置的机器学习模型。他目前正在使用MATLAB开发交易策略基于econophysics-inspired变点分析方法以及在全局优化工具箱中全局优化方法。

• 投资组合绩效目标的支持。金宝app“我们许多投资组合基于资产配置过程与MATLAB的机器学习算法,开发“Llorente-Cano说。“这些算法帮助我们确定投资组合将超重或体重过轻与我们的基准。”
• 处理时间从24小时减少到3。“我们的24小时处理时间从3当我们开始在Azure上运行云与MATLAB分布计算服务器,”曼指出。“因为作业调度器集成到MATLAB,很容易利用并行计算通过打开一个池和使用parfor循环。”
• 结果证实与多个机器学习技术。“我们认为,不同的学习方法把不同类型的知识,“Llorente-Cano说。“与MATLAB,我们提供相同的数据神经网络,支持向量机,和分类树,它给了我们很大的信心,当这些不同的模型得出了同样的交易决定。”

重要的信息

仅供专业投资者,而不是使用的散户投资者或顾问

以上营销文档严格信息目的和不应视为要约,投资建议,或请求,这里提到的协议的任何投资,基金,不构成投资研究欧盟指令2003/125 / EC下定义。阿伯丁资产管理公司有限公司(“香港仔”)不保证准确性、充分性和完整性的信息和材料包含在本文档和明确声明责任这些信息和材料的错误或遗漏。任何研究或分析用于制备该文档已经被阿伯丁的使用和采购可能已经采取了自己的目的。结果只获得可用巧合和信息并不能保证其准确性。一些信息在本文档中可能包含预测或其他前瞻性声明关于未来事件或未来财务业绩的国家,市场或公司。这些语句只是物质上,预测和实际的事件或结果可能有所不同。读者必须做出自己的评价的相关性,本文档中包含的信息的准确性和充分性和做出这样独立的调查,因为他们可能认为必要或适当的目的这样的评估。本文档中包含的任何观点或估计了一个通用的基础,是不依赖于读者的建议。阿伯丁和它的任何雇员、关联集团公司或代理给任何考虑或任何他们也没有做任何调查的投资目标、财务状况或特殊读者的需要,任何特定的人或一组人。因此,没有任何保证,不接受任何责任的任何损失是否发生直接或间接的读者,任何个人或团体的人作用于任何信息,本文档中包含的意见或估计。阿伯丁有权更改和修正本文档中任何信息在任何时候,不另行通知。阿伯丁资产管理公司发行的限制。 Authorised and regulated by the Financial Conduct Authority in the United Kingdom.