MATLAB机器学习金融

发现隐藏的模式并用财务和其他数据创建预测模型

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：

点击应用程序培训与比较模型
自动调整超参数和特征选择优化模型性能
使用相同代码的能力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有监督和无监督学习
更快的执行速度比巨蟒^®在大多数统计和机器学习基准上

顾客的选择

MathWorks于2019年5月提名Gartner Peer Insights客户选择数据科学和机器学习平台

了解更多

深度学习与机器学习：选择最佳方法（电子书）

机器学习在金融学中的应用

资产分配

22:06分

资产配置、机器学习和高性能计算

Aberdeen Standard讨论了使用MATLAB进行机器学习来分析金融市场趋势并在Microsoft上进行测试^®天蓝^™.

算法交易

32:55

电子书：使用MATLAB的机器学习

这本短电子书是你的基本技术指南。你会发现机器学习在你的掌握之中，你不需要成为专家就可以开始学习。

风险管理

3个视频

机器学习中的应用风险管理（3个视频）

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

减少数据预处理时间.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。

了解更多

探索产品s manbetx 845

应用机器学习

寻找最佳的机器学习模型. 无论您是一个初学者，正在寻找一些机器学习入门的帮助，还是一个专家，希望评估许多不同类型的模型，分类和回归应用程序提供了快速的结果。从各种最流行的分类和回归算法中进行选择，比较基于标准度量的模型，并导出有前途的模型以供进一步分析和集成。如果编写代码更符合您的风格，则可以使用内置于模型训练函数中的超参数优化来找到优化模型的最佳参数。