Financial Toolbox
Analyse von Finanzdaten und Entwicklung von Finanzmodellen
Die Financial Toolbox™ enthält Funktionen zur mathematischen Modellierung und statistischen Analyse von Finanzdaten. Sie können Portfolio-Optimierungen unter Berücksichtigung von Umsätzen, Transaktionskosten, semi-kontinuierlichen Bedingungen sowie einer minimalen oder maximalen Anzahl von Anlagen durchführen. Mithilfe der Toolbox können Sie Risiken schätzen, Credit Scorecards modellieren, Ertragskurven analysieren, Preise für festverzinsliche Instrumente und europäische Optionen bestimmen und die Investment-Performance messen. Mit den Funktionen für die Zeitreihenanalyse können Sie Transformationen oder Regressionen an lückenhaften Daten durchführen und zwischen verschiedenen Handelskalendern und Zinsberechnungsmethoden konvertieren.
Jetzt Loslegen:
Daten-Vorverarbeitung
Konvertieren Sie Datums- und Zeitformate unter Berücksichtigung von Arbeitstagskonventionen, Zinsberechnungsmethoden, benutzerdefinierten Handelskalendern und Couponzahlungstagen. Verwenden Sie Timetable-Funktionen in MATLAB, um Einträge mit fehlenden Daten und Ausreißer zu entfernen und um Resampling, Aggregation und Synchronisation zeitbezogener Daten durchzuführen.
Technische Indikatoren und Finanzdiagramme
Berechnen Sie technische Indikatoren (einschließlich gleitender Mittelwerte, Impulse, Oszillatoren, Volumenindikatoren und Änderungsraten) und erstellen Sie Finanzdiagramme (einschließlich Candlesticks, Open-High-Low-Close-Diagrammen und Bollinger-Banddiagrammen).
Finanzdiagramme und technische Indikatoren.
Metriken für die Investment-Performance
Bewerten Sie die Investment-Performance mithilfe integrierter Funktionen zur Berechnung von Metriken wie der Sharpe-Ratio, der Information Ratio, dem Tracking Error, der risikobereinigten Rendite, Lower Partial Moments in der Stichprobe, erwarteten Lower Partial Moments, dem maximalen Drawdown und dem erwarteten maximalen Drawdown.
Kapitalkurve aus dem Backtesting mit Performance-Metriken.
Ansätze für die Portfolio-Optimierung
Verwenden Sie die Financial Toolbox, um Portfolio-Optimierungen mit Methoden wie Mean-Variance, Mean Absolute Deviation (MAD) und Conditional Value at Risk (CVaR) durchzuführen.
Mit MATLAB und der Financial Toolbox erstellte Anwendung für die Portfolio-Optimierung.
Effiziente Portfolios und Efficient Frontiers
Schätzen Sie das effiziente Portfolio und seine Gewichtungen, die die Sharpe-Ratio maximieren, visualisieren Sie Efficient Frontiers und berechnen Sie Portfolio-Risiken (einschließlich der Portfolio-Standardabweichung sowie des MAD, VaR, und CVaR).
Efficient Frontier und optimales Portfolio.
Portfolio-Bedingungen und Transaktionskosten
Wenden Sie Bedingungen für die Portfolio-Optimierung an, wie die folgenden: Tracking Error, lineare Ungleichheit, lineare Gleichheit, Schranke, Budget, Gruppe, Gruppenkennzahl, durchschnittlichen Umsatz, Einweg-Umsatz, minimale Anzahl von Anlagen und maximale Anzahl von Anlagen. Beziehen Sie proportionale oder feste Transaktionskosten in die Optimierung des Brutto- oder Nettoportfolioertrags ein.
Diagramm der Efficient Frontiers von Portfolios bei verschiedenen Umsatzschwellen.
Cashflow-Analyse
Verwenden Sie die Financial Toolbox, um aktuelle und zukünftige Werte zu berechnen, nominale, effektive und modifizierte interne Ertragsraten zu bestimmen, Amortisation und Abschreibung zu berechnen sowie den periodischen Zins für Darlehen oder Annuitäten zu bestimmen.
Cashflow-Diagramm.
Analyse festverzinslicher Anlagen und Optionspreismodelle
Berechnen Sie den Preis, den Ertrag bis zur Fälligkeit, die Duration und die Konvexität festverzinslicher Wertpapiere. Berechnen Sie Analysen wie eine vollständige Übersicht über Cashflow-Termine und -Beträge sowie die Zuordnung des Cashflows zu Zeitpunkten für Bonds. Berechnen Sie Optionspreise und Greeks mithilfe von Black- und Black-Scholes-Formeln. Mit der Financial Instruments Toolbox™ können Sie komplexe Finanzinstrumente entwerfen, bepreisen und absichern.
Gamma (Höhe der z-Achse) und Delta (Farbe) für ein Portfolio von Kaufoptionen.
Monte-Carlo-Simulation
Generieren Sie Zufallsvariablen für Monte-Carlo-Simulationen auf der Grundlage einer Reihe unterschiedlicher SDE-Modelle (Stochastic Differential Equations, stochastische Differentialgleichungen), darunter Brownsche Bewegung, geometrische Brownsche Bewegung, konstante Elastizität der Varianz, Cox-Ingersoll-Ross, Hull-White/Vasicek und Heston.
Einzelner Pfad eines mehrdimensionalen Marktmodells.
Modelle mit stochastischen Differentialgleichungen
Ausführen der Monte-Carlo-Simulation für Bates- and Merton-Sprung-Diffusions-Modelle
Modelle mit stochastischen Differentialgleichungen
Simulation von Beispielpfaden nach Bates, Heston, CIR mittels eines quadratisch-exponentiellen Diskretisierungsschemas.
Verbraucherkreditrisiko
Ersetzen eines fehlenden Wertes in Kredit-Scorecard-Prognosen mit Durchschnitt, Median, Modus oder einem individuellen Wert.
Beispiele für Machine Learning
Eine Reihe von Beispielen für Machine Learning bei statistischer Arbitrage.
Details zu diesen Merkmalen und den zugehörigen Funktionen finden Sie in den Versionshinweisen.
Computational Finance Suite
Die MATLAB Computational Finance Suite umfasst zwölf unverzichtbare Produkte, mit denen Sie quantitative Anwendungen für das Risikomanagement, das Investment-Management, die Ökonometrie, die Preisbestimmung und Bewertung, Versicherungen und den algorithmischen Handel entwickeln können.
