PZU集团开发偿付能力II指令合规市场风险模型

为了计算市场风险，PZU需要处理来自十几个内部会计和交易系统的不同格式的数据。由于无法找到能够满足其需求的商业上可用的市场风险解决方案，PZU风险建模小组考虑了开发自己的几个选项。一个选择是一个用于符号数学计算的软件包，但该软件缺乏该小组所需的文件处理和错误检查功能。

该小组此前使用Visual Basic for Applications (VBA)开发了风险模型，但发现这种方法有几个缺点。VBA的困难从令人厌烦的(例如，日期处理中的月和日的切换)到更严重的对优化求解器结果的担忧。

团队需要一个开发环境，非程序员可以使用它来开发一个完整的、可用于生产的市场风险解决方案——从数据收集和清理到风险建模、蒙特卡洛模拟和VaR计算。他们希望利用多核处理器进行并行计算，从而加快计算速度。

PZU利用MATLAB建立了一个全面的市场风险模型。

在MATLAB中使用统计和机器学习工具箱™，Nowicki开发了从各种来源导入和清理数据的算法，包括来自内部PZU系统的会计和交易数据，以及来自彭博社的时间序列市场数据。在检查数据的异常值和错误之后，算法将来自所有来源的数据连接起来，并将其转换为标准格式。

Nowicki基于GARCH过程在MATLAB中开发了时间序列市场风险模型，并使用清理后的数据进行了校正。对于每个时间序列(包括利率、股票、货币和指数)，模型评估PZU的当前位置。对于带息票的债券，该模型使用Financial Toolbox™计算现金流日期。

Nowicki使用MATLAB非线性优化函数fminsearch拟合市场风险模型中的概率密度函数，使真实概率密度与期望概率密度之间的差异最小化。

为了加速这些优化，Nowicki使用并行计算工具箱™在八核处理器上并发执行这些优化。

在使用该模型在MATLAB中运行蒙特卡洛模拟之后，Nowicki的算法为PZU仪器定价，评估公司的头寸，并计算VaR。

作为最后一步，Nowicki创建了一个界面，其他分析师可以使用该界面运行模型并可视化结果，即使他们没有MATLAB的经验。这个接口和底层模型现在在PZU的生产中使用。

• 加快市场风险模型建设。诺维奇说:“使用多种工具来开发一个金融模型可能很耗时，还会造成沟通困难。”“用MATLAB开发更快，因为我可以在一个屋檐下做所有事情，包括收集数据、与外部系统和提供商连接、清理数据、执行数学计算和优化，以及报告结果。”
• 由非程序员交付的生产系统。“我的专业是经济学，不是编程，”诺维奇说。“尽管我不认为自己是一个伟大的程序员，但MATLAB使我能够应用我在金融方面的专业知识，开发一个专有的市场风险模型，这是任何供应商都无法提供给我们的。”
• 计算时间减少了85%。“当我开始用并行计算工具箱同时优化多个时间序列时，处理时间从一分钟多降到不到10秒，”Nowicki说。“我惊讶地发现，现在复杂的优化比数据收集和清理所需的时间更短。”