用于金融机器学习的MATLAB

揭示隐藏模式并创建具有财务和替代数据的预测模型

量化分析师和金融数据科学家使用MATLAB®在金融中开发和部署各种机器学习应用,包括算法交易,资产分配,情感分析,信用分析和欺诈检测。MATLAB使机器学习轻松:

  • 点击应用程序培训和比较楷模
  • 自动hyperparameter调优功能选择优化模型性能
  • 使用相同代码的能力对大数据的规模化处理和群集
  • 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,回归和聚类算法对于监督和无人监督的学习
  • 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名叫2019年5月Gartner Peer Insights客户的数据科学和机器学习平台的选择

金融机器学习应用

资产配置

Aberdeen标准讨论了MATLAB进行机器学习,分析金融市场趋势和对微软Azure的测试。

算法交易

此简短电子书是您对基本技术的指南。你会看到机器学习在你的掌握中 - 你不需要成为一个专家来开始。

风险管理

了解如何将机器学习技术应用于风险管理,包括市场风险,信用风险和运营风险。

探索性数据分析

花费更少的时间预处理数据.从金融时间序列到文本,MATLAB数据类型显著减少了数据预处理所需的时间。高级功能可以方便地同步不同的时间序列、用插值值替换离群值、过滤异常、将原始文本拆分为单词等等。快速可视化您的数据,以理解趋势,并识别数据质量问题与绘图和Live Editor。


应用机器学习

找到最好的机器学习模型.无论您是初学者寻找有些帮助入门机器学习或者专家希望评估许多不同类型的模型,分类和回归的应用都提供了快速的结果。从各种最流行的分类和回归算法中选择,比较基于标准度量的模型,并出口有前途的模型以进一步分析和集成。如果编写代码更像是您的风格,则可以使用内置的HyperParameter优化,内置于模型培训函数中,找到最佳参数来调整模型。


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系统或云。绩效事项时,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。您还可以将计算机学习模型部署到Matlab Products Server™,以与Web,数据库和企业应用程序集成。


计算金融套件

MATLAB计算金融套件是一套12个基本产品,使您能够为风险管理、投资管理、计量经济学、定价和估值、保险和算法交易开发定量应用程下载188bet金宝搏序。