MATLAB pour le Machine Learning appliqué à la finance

Découvrez des modèles cachés et créez des modèles prédictifs avec des données financières et alternatives

Les data scientists financiers et les analystes quantitatifs (quants) utilisent MATLAB pour développer et déployer plusieurs applications de Machine Learning dans le domaine de la finance, notamment le trading algorithmique, la répartition des actifs, l'analyse de sentiments, l'analyse du crédit et la détection des fraudes. MATLAB simplifie le Machine Learning avec :

Des applications point-and-click pour l’apprentissage et la comparaison de modèles
Le réglage automatique des hyperparamètres et la sélection des caractéristiques pour l'optimisation des performances du modèle
La possibilité d’utiliser le même code pour faire évoluer le traitement sur des données Big Data et des clusters
La génération automatique de code C/C++ ou GPU pour les applications haute performance et embarquées.
Les algorithmes de classification, de régression et de clustering les plus populaires pour l’apprentissage supervisé et non supervisé
Une exécution plus rapide que Python^® et R sur la plupart des benchmarks d'algorithmes de statistiques et de Machine Learning

Le choix des clients

MathWorks désigné par le Gartner Peer Insights de mai 2019 comme "Customer's Choice" pour les plateformes de Data Science et de Machine Learning

Deep Learning et Machine Learning traditionnel : choisir la meilleure approche

Lire l'e-book

Applications du Machine Learning dans le domaine de la finance

Allocation d'actifs

Allocation d'actifs, Machine Learning et calcul haute performance

Aberdeen Standard nous parle de l'utilisation de MATLAB et du Machine Learning pour l'analyse des tendances des marchés financiers, ainsi que les tests sur Microsoft Azure.

Trading algorithmique

E-book : le Machine Learning avec MATLAB

Cet ebook est un précis des techniques de base. Vous verrez que le Machine Learning est à la portée de tous : il n'est pas nécessaire d'être un expert pour se lancer.

Gestion des risques

Applications du Machine Learning dans le domaine de la gestion des risques (2 Vidéos)

Découvrez comment appliquer les techniques de Machine Learning à la gestion des risques, notamment le risque de marché, le risque de crédit et le risque opérationnel.

Analyse exploratoire des données

Passez moins de temps à prétraiter les données. Des séries temporelles financières au texte, les types de données MATLAB réduisent considérablement le temps nécessaire au prétraitement des données. Les fonctions de haut niveau simplifient la synchronisation des séries temporelles disparates, le remplacement des valeurs aberrantes par des valeurs interpolées, le filtrage des anomalies, la segmentation d'un texte brut en mots-clés, et bien plus encore. Visualisez rapidement vos données afin de mieux comprendre les tendances et identifier les problèmes de qualité des données grâce aux graphiques et au Live Editor.

En savoir plus

Explorer les produits

Machine Learning appliqué

Identifiez les meilleurs modèles de Machine Learning. Que vous soyez un utilisateur néophyte à la recherche d'aide pour débuter avec le Machine Learning, ou un expert souhaitant évaluer de nombreux types de modèles, les applications pour la classification et la régression offrent des résultats rapides. Faites votre choix parmi de nombreux algorithmes de classification et de régression parmi les plus populaires, comparez des modèles en vous appuyant sur des métriques standard, et exportez les modèles prometteurs à des fins d'analyse plus poussées et d'intégration. Si vous préférez écrire du code, vous pouvez utiliser l'optimisation des hyperparamètres intégrée aux fonctions d'apprentissage des modèles afin de trouver les meilleurs paramètres pour affiner votre modèle.

En savoir plus

Explorer les produits

Déploiement multi-plateformes

Déployez des modèles de Machine Learning n'importe où, notamment dans du code C/C++ ou CUDA^®, dans des systèmes informatiques d'entreprise ou sur le cloud. Si vous avez besoin de performance, vous pouvez générer du code C autonome à partir de votre code MATLAB afin de créer des modèles déployables offrant une vitesse de prédiction ultra-performante et une empreinte mémoire réduite. Vous pouvez également déployer des modèles de Machine Learning vers MATLAB Production Server pour les intégrer à des applications web, de base de données ou des applications d'entreprise.

En savoir plus

Explorer les produits

Computational Finance Suite

MATLAB Computational Finance Suite regroupe 12 produits essentiels vous permettant de développer des applications quantitatives pour la gestion des risques, la gestion des investissements, l'économétrie, le pricing et l'évaluation, l'assurance et le trading algorithmique.

Version d'essai gratuite de 30 jours

Commencer

E-book gratuit

Modélisation des risques financiers avec MATLAB

Obtenir l'ebook