MATLAB机器学习金融

揭开隐藏的模式,创造金融和替代数据预测模型

宽客和金融数据科学家使用MATLAB®开发和部署金融各种机器学习应用,包括算法交易,资产配置,情感分析,信用分析和欺诈检测。MATLAB使得机器学习容易:

  • 点和点击应用程序的培训和比较楷模
  • 自动hyperparameter调优特征选择要优化模型的性能
  • 使用相同的代码的能力大规模处理大数据和集群
  • 自动生成C / C ++或GPU代码的用于嵌入式和高性能应用程序
  • 所有流行的分类,回归和聚类算法为监督和无监督学习
  • 更快的执行比Python®和R大部分统计和机器学习的基准
面板的导航

客户的选择

Mathworks公司命名为2019年5月Gartner的同行洞察顾客选择的数据科学和机器学习平台

机器学习应用金融

资产分配

阿伯丁标准讨论机器学习来分析金融市场趋势和微软测试使用MATLAB的®Azure

算法交易

这个简短的电子书将指导您的基本技术。你会看到,机器学习是你的掌握之内,你不需要是上手的专家。

风险管理

了解如何应用机器学习技术,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

花更少的时间数据进行预处理。从金融时间序列到文本,MATLAB数据类型显著减少了预处理数据所需的时间。高级函数可以方便地同步不同的时间序列、用内插值替换离群值、过滤异常、将原始文本拆分为单词等等。通过plot和Live Editor快速可视化数据,了解趋势并识别数据质量问题。


应用机器学习

寻找最好的机器学习模型。无论您是初学者寻找一些帮助入门机器学习或找专家来评估许多不同类型的模型,用于分类和回归的应用程序提供快速的结果。选择从各种各样的最流行的分类和回归算法,比较基于标准的度量模型,并出口有望用于进一步的分析和整合模式。如果编写代码是你的风格,你可以使用超参数优化,内置于模型训练功能,找到调整的最佳参数模型。


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®码,企业IT系统,或云。当性能问题,您可以生成从MATLAB代码独立C代码来创建高性能的预测速度和内存占用小的部署模型。您也可以部署机器学习模型,MATLAB生产服务器™与网络,数据库和企业应用程序集成。


计算金融套房

MATLAB计算金融套件由12个基本产品组成,使您能够开发用于风险管理、投资管理、计量经济学、定价和估值、保险和算法交易的定量应s manbetx 845用程序。