32:55视频长度为32:55。
用于算法交易的机器学习
来自该系列:金融机器学习
概述
在本网络研讨会中,我们将使用MATLAB中的回归和机器学习技术来训练和测试流动货币对的算法交易策略。使用现实生活数据,我们将探索如何管理时间戳记的数据,创建一系列派生功能,然后为短期FX返回构建预测模型。
然后,我们将展示如何在历史上回报该策略,同时考虑策略和机器学习建模过程中的交易成本。
强调
- 使用时间表对象处理数据
- 线性回归建模
- Machine Learning techniques for Supervised Learning
- 从历史上进行回测策略绩效
关于主持人
丹·欧文(Dan Owen)是亚太地区财务应用的行业经理。Dan在Mathworks工作了12年以上,担任应用程序工程师,始终专注于金融服务。他还曾在德雷斯德(Dresdner Kleinwort)和富达国际(Fidelity International)的量化技术集团内担任系统交易总监。他拥有英国伯明翰大学的应用数学学士学位和博士学位。
记录:2018年10月31日
您还可以从以下列表中选择一个网站:
如何获得最佳网站性能
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。
美洲
- AméricaLatina(西班牙语)
- 加拿大(英语)
- 美国(英语)