Finanza quantitativa e gestione del rischio

 

MATLAB per il machine learning in ambito finanziario

Identificazione dei pattern nascosti e creazione di modelli predittivi con dati finanziari e alternativi

Gli esperti di analisi quantitativa e gli scienziati di dati finanziari utilizzano MATLAB® per sviluppare e implementare varie applicazioni di machine learning nella finanza, tra cui trading algoritmico, asset allocation, sentiment analysis, analisi del credito e rilevamento delle frodi. MATLAB facilita le attività di machine learning grazie a:

  • App “point and click” per l’addestramento e il confronto di modelli
  • Regolazione automatica degli iperparametri e selezione delle feature per ottimizzare le prestazioni dei modelli
  • Capacità di utilizzare lo stesso codice per scalare l'elaborazione a big data e cluster
  • Generazione automatica di codice C/C++ o GPU per applicazioni embedded e ad alte prestazioni
  • Tutti gli algoritmi diffusi di classificazione, regressione e clustering per l’apprendimento con e senza supervisione
  • Esecuzione più veloce rispetto a Python® e R sulla maggior parte dei benchmark statistici e di machine learning
Panel Navigation

La scelta dei clienti

Gartner Peer Insights ha inserito MathWorks tra le piattaforme di data science e machine learning preferite dai clienti nel maggio 2019

App di machine learning in ambito finanziario

Asset allocation

Aberdeen Standard parla dell’uso di MATLAB per il machine learning per l’analisi delle tendenze del mercato finanziario e i test su Microsoft Azure.

Trading algoritmico

Questo breve ebook è la tua guida alle tecniche di base. Vedrai che il machine learning è alla tua portata e non dovrai essere un esperto per iniziare.

Gestione del rischio

Scopri come applicare le tecniche di machine learning alla gestione dei rischi, inclusi il rischio di mercato, il rischio di credito e il rischio operativo.

Analisi esplorativa dei dati

Investi meno tempo nella pre-elaborazione dei dati. Dalle serie storiche finanziarie al testo, i tipi di dati MATLAB riducono in modo significativo il tempo necessario a pre-elaborare i dati. Le funzioni di alto livello semplificano i processi di sincronizzazione di serie storiche diverse, sostituzione degli outlier con valori interpolati, filtraggio delle anomalie, suddivisione di testo non elaborato in parole e molto altro ancora. Visualizza rapidamente i tuoi dati per comprenderne i trend e individuare eventuali problematiche relative alla qualità dei dati con l’ausilio di grafici e di Live Editor.


Machine learning applicato

Scopri i modelli di machine learning più adatti a te. Le app di classificazione e regressione forniscono risultati rapidi sia agli utenti alle prime armi, che necessitano di assistenza per le attività di machine learning, sia agli esperti che hanno bisogno di valutare tipi di modelli molto diversi tra loro. Scegli tra un’ampia varietà di algoritmi di classificazione e regressione, confronta i modelli in base a metriche standard ed esporta i modelli più promettenti per ulteriore analisi e integrazione. Se invece si preferisce scrivere il codice, è possibile utilizzare l’ottimizzazione degli iperparametri integrata nelle funzioni di addestramento dei modelli, in modo da trovare i parametri migliori per affinare il proprio modello.


Distribuzione su più piattaforme

Distribuisci i modelli di machine learning ovunque, nel codice C/C++, nel codice CUDA®, in sistemi IT aziendali o sul Cloud. Quando le prestazioni sono importanti, è possibile generare un codice C autonomo dal proprio codice MATLAB per creare modelli distribuibili con velocità di previsione ad alte prestazioni e con un footprint di memoria dalle dimensioni ridotte. È inoltre possibile distribuire i modelli di machine learning su MATLAB Production Server™ per l’integrazione in applicazioni web, database ed enterprise.


Suite di finanza computazionale

La suite di finanza computazionale MATLAB è una serie di 12 prodotti essenziali che consente di sviluppare applicazioni quantitative per la gestione dei rischi, la gestione degli investimenti, l’econometria, la prezzatura e la valutazione, l’assicurazione e il trading algoritmico.