Trient发展金融分析平台,以支持其投资团队金宝app
挑战
解决方案
结果
- 每月手工计算自动化和日常运行
- 多核处理计算速度增加十倍
- 小时的新资产类别筛选模型实现
“在MATLAB面向对象编程使我们能够编写更少出错代码,定义可重用的接口,并使快速更新。因此,我们可以给我们的投资者更好的了解我们如何管理我们的基金和我们如何看待市场。”
阿里尔•费舍尔Trient资产管理
总部位于奥斯陆,挪威,Trient资产管理是一个独立的和从根本上推动投资公司提供基金和投资组合管理。Trient全球宏观基金旨在产生长期绝对回报运用宏观经济和基本面分析来识别投资机会在发达国家和新兴市场。除了全球宏观基金,公司目前经营两家UCITS基金投资于股票和固定收益工具。
支持投金宝app资团队,Trient使用MATLAB开发了一个数据分析平台®。
宇宙“因为Trient全球投资,我们的投资是巨大的,”阿里尔费舍尔说,Trient系统开发和基础设施主管。“MATLAB使我们发展先进的分析能力和坚实的基础设施的有效组装、维护、和对大型数据集进行计算。”
挑战
每一天,Trient遍历和分析许多g的历史数据,同时继续清洁和聚合新数据从全球市场。在过去,Trient分析师使用微软®Excel®数据管理和分析,但是电子表格很难处理高数据量和速度。
电子表格有额外的缺点。首先,个人分析遇到的困难与更广泛的分享他们的工作团队。第二,电子表格分析他们可以执行的范围受到限制。第三,即使是很小的变化,比如添加一个新的资产跟踪,需要几个小时的手工调整。因此,高度熟练的分析师花了太多时间在移动数据和重新计算电子表格等基本任务。
Trient想开发一个分析平台,以支持高效处理大型数据集。金宝app
解决方案
Trient取代了电子表格使用MATLAB开发的金融分析平台。
在设计和建立一个SQL服务器®数据库对金融数据、费舍尔和团队开始开发数据访问层的分析平台编写MATLAB函数来访问财务数据使用数据库工具箱™。
他们添加功能来获取市场数据从几个市场数据提供者使用数据处理工具箱™。在MATLAB与金融工具箱™,他们写了数据清理例程,识别异常值,对缺失值进行线性插值,规范化日期。
费舍尔和团队完成了数据访问层功能,提高原始数据系列(例如,通过过滤或计算窗口的平均值),然后在数据库中存储这些派生的数据系列。
使用MATLAB语言的面向对象编程功能,费舍尔与定义的接口开发的组件,分析层,促进跨Trient一致使用的组件。
建立分析层、费舍尔和MATLAB开发了一种筛选框架和统计和机器学习的工具箱™。这一层使用基本的市场数据和检查各种因素来识别区域变化,例如工业和市值的函数。
例如,股票的框架检查各种基本数据类型和寻找差异的根本价值和市场价值。对于这一层,费舍尔和团队使用金融工具的工具箱™和优化工具箱™。
费舍尔用计量经济学的工具箱™运行蒙特卡罗模拟和生成时间序列模型的预测分布。
数据清洗和筛选计算加快利用并行计算工具箱™和多核处理器。
Trient分析师使用平台每天生成报告和图表,进行研究,并运行分析,投资决策提供支持。金宝app
结果
每月手工计算自动化和日常运行。“当我们使用电子表格,许多手动步骤花了这么多时间,我们只计算数据的一个子集每月一次,”费舍尔说。“基于MATLAB平台,我们现在每天运行自动化分析在许多g的数据。”
多核处理计算速度增加十倍。“我们使用并行计算工具箱大大减少了计算时间,”费舍尔指出。“速度与核的数量几乎呈线性增加;我们的计算现在大约10倍当我们新款高能效型opteron处理器上运行他们。”
小时的新资产类别筛选模型实现。“在MATLAB与面向对象编程,我们创建了一个框架和组件很容易重用,分析师甚至不是专家程序员,”费舍尔说。设置初始框架和实施后第一个筛选模型,它只花了几个小时来实现现有模型在MATLAB通过重用框架。”
