MATLAB用于金融机器学习

揭示隐藏模式并创建具有财务和替代数据的预测模型

Quantant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
自动覆盖物调谐和功能选择优化模型性能
能够使用相同的代码缩放处理到大数据和群集
自动生成C / C ++或GPU代码用于嵌入式和高性能应用
都很受欢迎分类，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

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

学到更多

深度学习和传统机器学习：选择正确的方法

金融机器学习应用

资产分配

22:06

资产配置，机器学习和高性能计算

Aberdeen标准讨论了MATLAB进行机器学习，分析金融市场趋势和微软检测^®Azure™。

算法交易

32:55

电子书：用Matlab获得机器学习

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

2个视频

风险管理中的机器学习应用（2个视频）

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数据类型明显减少了预处理数据所需的时间。高级功能使其易于同步不同时间序列，替换具有内插值的异常值，过滤异常，将原始文本拆分为单词，更多。快速可视化您的数据以了解趋势，并识别包含图表和实时编辑器的数据质量问题。

学到更多

探索产品下载188bet金宝搏

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。

学到更多

探索产品下载188bet金宝搏

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。