MATLAB für Machine Learning im Finanzwesen

Erkennen Sie versteckte Muster und erstellen Sie prädiktive Modelle mit Finanz- und alternativen Daten

Quants und Finanzdatenspezialisten nutzen MATLAB® zur Entwicklung und zum Einsatz verschiedener Machine Learning-Applikationen im Finanzwesen, einschließlich algorithmischem Trading, Vermögensallokation, Stimmungsanalyse, Kreditanalyse und Betrugserkennung. MATLAB vereinfacht Machine Learning durch:

  • Point-und-Klick-Apps zum Trainieren und Vergleichen von Modellen
  • Automatische Abstimmung von Hyperparametern und Merkmalsauswahl zur Optimierung der Modellleistung
  • Möglichkeit, mit demselben Code die Verarbeitung auf Big Data und Cluster zu skalieren
  • Automatische Generierung von C/C++ oder GPU-Code für integrierte Hochleistungsapplikationen
  • Alle gängigen Klassifizierungs-, Regressions- und Clustering-Algorithmen für überwachtes und nicht überwachtes Lernen
  • Schnellere Ausführung als Python® und R bei den meisten statistischen und Machine Learning Benchmarks
Panel Navigation

Customers' Choice

MathWorks wurde im Mai 2019 für den Gartner Peer Insights Customers’ Choice for Data Science and Machine Learning Platforms nominiert

Machine Learning-Applikationen im Finanzwesen

Vermögensallokation

Der Aberdeen Standard diskutiert den Einsatz von MATLAB für Machine Learning zur Analyse von Trends auf dem Finanzmarkt und Tests auf Microsoft Azure.

Algorithmisches Trading

Dieses kompakte E-Book ist Ihr Leitfaden für die Basistechniken. Sie werden feststellen, dass Machine Learning in Ihrer Reichweite liegt – Sie brauchen kein Experte zu sein, um zu beginnen.

Risikomanagment

Erfahren Sie, wie Sie Machine Learning-Verfahren im Risikomanagement, einschließlich Marktrisiko, Kreditrisiko und operationellem Risiko, einsetzen können.

Explorative Datenanalyse

Verbringen Sie weniger Zeit mit der Vorverarbeitung von Daten. Von Finanzzeitreihen bis zum Text reduzieren die MATLAB-Datentypen die zur Vorverarbeitung der Daten erforderliche Zeit erheblich. Funktionen auf hoher Abstraktionsebene erleichtern die Synchronisierung unterschiedlicher Zeitreihen, das Ersetzen von Ausreißern durch interpolierte Werte, das Filtern von Anomalien, die Aufteilung von Rohtext in Wörter und vieles mehr. Visualisieren Sie Ihre Daten in kurzer Zeit anhand von Diagrammen und des Live Editors, um Trends zu verstehen und Probleme der Datenqualität zu identifizieren.


Angewandtes Machine Learning

Finden Sie die besten Machine Learning-Modelle. Unabhängig davon, ob Sie als Anfänger Unterstützung für den Einstieg in Machine Learning benötigen oder als Experte eine große Anzahl unterschiedlicher Modelle bewerten: Apps für die Klassifikation und die Regression bringen schnell Ergebnisse. Wählen Sie aus zahlreichen gängigen Klassifikations- und Regressionsalgorithmen, vergleichen Sie Modelle anhand von Standardmetriken und exportieren Sie vielversprechende Modelle zur weiteren Analyse und Integration. Wenn Sie lieber Code schreiben, können Sie die Hyperparameter-Optimierung nutzen, die in den Funktionen für das Modelltraining integriert ist, um so die besten Parameter für die Feinabstimmung Ihres Modells zu finden.


Multi-Plattform-Bereitstellung

Stellen Sie Machine Learning-Modelle überall bereit, etwa als C/C++ Code, als CUDA® Code, auf IT-Systemen in Unternehmen oder in der Cloud. Wenn es um Leistung geht, können Sie eigenständigen C Code aus Ihrem MATLAB-Code generieren, um einsatzfähige Modelle mit hoher Vorhersagegeschwindigkeit und geringem Arbeitsspeicherbedarf zu erstellen. Außerdem können Sie Machine Learning-Modelle auf dem MATLAB Production Server™ bereitstellen, um sie in Web-, Datenbank- und Unternehmensanwendungen zu integrieren.


Computational Finance Suite

Die MATLAB Computational Finance Suite umfasst zwölf wesentliche Bestandteile für die Entwicklung quantitativer Anwendungen im Risikomanagement, Investment-Management, in der Ökonometrie, zur Preisbestimmung und Bewertung, bei Versicherungen und im Algorithmischen Trading.