金融における機械学習向け MATLAB

金融データやオルタナティブ データを使用して、隠れたパターンを発見し、予測モデルを作成

クオンツや金融データ サイエンティストは、MATLAB® を使用して、アルゴリズム取引、資産配分、センチメント解析、信用分析、不正検出など、金融におけるさまざまな機械学習アプリケーションの開発と導入を行っています。MATLAB の以下の機能により機械学習が容易になります。

  • ポイント アンド クリック アプリによるモデルの学習および比較
  • ハイパーパラメーターの自動調整および特徴選択によるモデルパフォーマンスの最適化
  • 同じコードを使用して、ビッグデータおよびクラスターに計算処理のスケーリングをする機能
  • 組み込みアプリケーションおよび高性能アプリケーション向け C/C++ コードまたは GPU コードの自動生成
  • 教師あり学習と教師なし学習の主要な分類、回帰、クラスタリング アルゴリズム
  • 大半の統計および機械学習のベンチマークにおいて、Python® や R よりも速い実行速度
Panel Navigation

Customers' Choice

MathWorks が 2019 年 5 月の Gartner Peer Insights のデータサイエンスと機械学習プラットフォーム部門において Customers' Choice に選出

金融における機械学習の適用

資産配分

Aberdeen Standard が、金融市場のトレンドを分析するための機械学習とMicrosoft Azure でテストを行うための MATLAB の使用について説明します。

アルゴリズム取引

短くまとめられた ebook で基礎的な手法を解説。機械学習は専門家でなくても始めることができると分かります。

リスク管理

市場リスク、与信リスク、および運用リスクなどを含むリスク管理に機械学習の手法を適用する方法についてご紹介します。

探索的データ解析

データの前処理にかかる時間を短縮しましょう。金融の時系列からテキストに至るまで、MATLAB のデータ型により、データの前処理に必要な時間が大幅に削減されます。高水準関数により、異なる時系列の同期、外れ値の内挿値への置き換え、異常データのフィルタリング、および生テキストの単語分割などが容易になります。また、プロットやライブエディターによって迅速にデータを可視化することで、傾向の理解やデータ品質の問題の特定に役立ちます。


機械学習の適用

最適な機械学習モデルを見つけましょう。分類アプリおよび回帰アプリは、機械学習でサポートが必要な初心者にも、さまざまなモデルを評価したい上級者にも役立ちます。最も一般的な分類アルゴリズムや回帰アルゴリズムを使い、標準的な指標に基づいてモデルを比較し、より詳細な分析や統合に役立つモデルをエクスポートできます。自らコードを記述する場合は、モデルの学習関数に組み込まれているハイパーパラメーターの最適化を使用することで、モデルの調整に最適なパラメーターを見つけることができます。


マルチプラットフォーム展開

C/C++ コード、CUDA® コード、エンタープライズ IT システム、クラウドなど、さまざまな環境に機械学習モデルを展開することができます。パフォーマンスを重視する場合は、MATLAB コードからスタンドアロンの C コードを生成して、予測速度に優れ、メモリフットプリントの小さい配布可能なモデルを作成できます。さらに、機械学習モデルを MATLAB Production Server™ に展開して、Web、データベース、およびエンタープライズ アプリケーションと統合させることもできます。


Computational Finance Suite

MATLAB Computational Finance Suite は、リスク管理、投資管理、計量経済学、価格付けおよび評価、保険、アルゴリズム取引に関する定量的アプリケーションの開発に役立つ主要 12 製品のセットです。