“MATLAB中的面向对象编程使我们能够编写更少出错的代码，定义可重用的接口，并进行快速更新。因此，我们可以让我们的投资者更好地了解我们如何管理我们的基金，以及我们如何看待市场。”
Ariel Fischer，Triest Asset Management
总部位于挪威奥斯陆的Trient资产管理公司是一家独立的、从根本上驱动的投资公司，提供基金和投资组合管理。他们的Trient Global Macro基金寻求通过运用宏观经济和基本面分析，在发达和新兴市场寻找投资机会，从而产生长期绝对回报。除了Global Macro基金，该公司目前还管理着两只投资于股票和固定收益工具的UCITS基金。
为了支金宝app持投资团队，Trient使用MATLAB开发了一个数据分析平台®．
“由于Trient在全球进行投资，我们的投资领域非常庞大，”Trient系统开发与基础设施主管阿里尔•费舍尔(Ariel Fischer)表示。“MATLAB使我们能够开发先进的分析能力和可靠的基础设施，有效地组装、维护和执行大型数据集的计算。”
每天，Trient遍历和分析许多gb的历史数据，同时继续清理和汇总来自世界各地市场的新数据。在过去，Trient的分析师使用的是微软®excel.®用于数据管理和分析，但电子表格使处理高数据量和速度变得困难。
电子表格还有其他缺点。首先，单个分析师在与更广泛的团队分享他们的工作时遇到了困难。其次，电子表格限制了他们可以进行的分析的范围。第三，即使是一个很小的改变，比如添加一个新的资产来跟踪，也需要数小时的手动调整。因此，高技能的分析师在移动数据和重新计算电子表格等基本任务上花费了太多时间。
Trient想要开发一个分析平台来支持对大数据集的高效处理。金宝app
Trient用一个使用MATLAB开发的金融分析平台取代了电子表格。
架构和设置SQL Server后®Fischer和团队开始开发分析平台的数据访问层，通过编写MATLAB函数使用database Toolbox™访问金融数据。
他们增加了使用Datafeed Toolbox™从多个市场数据提供者检索市场数据的功能。在MATLAB中使用Financial Toolbox™，他们编写了识别异常值的数据清理例程，对缺失值执行线性插值，并对日期进行归一化。
Fischer和团队完成了数据访问层的功能，增强了原始数据系列(例如，通过过滤或计算窗口平均)，然后将这些衍生数据系列存储在数据库中。
使用MATLAB语言的面向对象编程功能，Fischer开发了对分析层的定义接口的组件，促进了跨TRIER的一致使用组件。
要构建分析层，Fischer开发了一种与Matlab和统计和机器学习工具箱™的筛选框架。该层使用基本市场数据，并检查各种因素以识别跨区域变化，例如作为工业和市场资本化的函数。
例如，股票框架检查了各种基本数据类型，并寻找基本价值与市场价值之间的差异。对于此图层，Fischer和团队使用的金融仪器工具箱™和优化工具箱™。
Fischer使用OuthoMetrics Toolbox™来运行Monte Carlo仿真并产生时间序列模型的预测分布。
通过使用并行计算工具箱™和多核处理器加速数据清洁和筛选计算。
TRIENT分析师每天使用平台来生成报告和图表，执行研究，并运行支持投资决策的分析。金宝app
手动每月计算每天自动化和运行．费舍尔说:“当我们使用电子表格时，许多手动步骤花费了太多时间，以至于我们每月只对数据的一个子集进行一次计算。”“在我们基于MATLAB的平台上，我们现在每天对许多千兆字节的数据进行自动分析。”
多核处理的计算速度提高了十倍．Fischer指出:“使用并行计算工具箱，我们大大减少了计算时间。”“速度几乎与核数线性增加;当我们在12核处理器上运行时，我们的计算速度快了大约10倍。”
新的资产类筛选模型在几小时内实施．“在Matlab中的面向对象的编程中，我们创建了一个框架和组件，即使由不是专家程序员的分析师，也可以轻松重复使用，”Fischer说。“在设置初始框架并实现第一个筛选模型后，只需几小时即可通过在Matlab中重用框架来实现现有模型。”
您还可以从以下列表中选择一个网站：