MATLAB在金融中的机器学习

发现隐藏的模式,并使用财务和替代数据创建预测模型

定量分析师和财务数据的科学家使用MATLAB®开发和部署金融领域的各种机器学习应用程序,包括算法交易、资产配置、情绪分析、信用分析和欺诈检测。MATLAB使机器学习变得简单:

  • 单击应用培训和比较模型
  • 自动调整超参数特征选择优化模型性能
  • 能够使用相同的代码大规模处理大数据和集群
  • C/ c++或GPU代码的自动生成用于嵌入式和高性能应用
  • 所有流行分类、回归和聚类算法用于监督和非监督学习
  • 更快的执行比Python®以及大多数统计和机器学习基准测试。
面板导航

客户的选择

MathWorks将2019年5月的Gartner Peer Insights列为客户对数据科学和机器学习平台的选择

机器学习在金融中的应用

资产配置

阿伯丁标准探讨了利用MATLAB进行机器学习来分析金融市场的趋势并对微软进行测试®天蓝

算法交易

这本简短的电子书是你的基本技术指南。你会发现机器学习就在你的掌握之中——你不需要成为专家就可以开始学习。

风险管理

学习如何将机器学习技术应用于风险管理,包括市场风险、信用风险和操作风险。

探索性数据分析

减少预处理数据的时间。从金融时间序列,以文字,数据类型MATLAB减少显著需要预处理的数据的时间。高级功能,可以很容易地同步不同的时间序列,与内插值,过滤器异常,更换异常分裂原始文本的话,等等。快速可视化你的数据,以了解趋势,并与图和实时编辑器识别数据质量问题。


应用机器学习

寻找最佳的机器学习模型。无论你是一个寻求机器学习入门帮助的初学者,还是一个寻求评估许多不同类型模型的专家,分类和回归的应用程序都能提供快速的结果。从各种最流行的分类和回归算法中选择,根据标准度量比较模型,并导出有希望的模型进行进一步的分析和集成。如果编写代码更符合您的风格,那么您可以使用超参数优化(内置在模型训练函数中)来找到优化模型的最佳参数。


多平台部署

部署机器学习模型的任何地方,包括C/ c++代码,CUDA®代码,企业IT系统或者云。当性能很重要时,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。还可以将机器学习模型部署到MATLAB Production Server™,以便与web、数据库和企业应用程序集成。


计算金融套件

在MATLAB计算金融Suite是一组12个,使您能够制定风险管理,投资管理,计量经济学,定价和估值,保险,算法交易定量应用的必下载188bet金宝搏备产品。