两个世界重合:金融风险管理与基于模型的设计
我是汇丰银行的雷·奥布莱恩
乍一看,财务风险管理似乎与工程基于模型的设计没有什么共同之处。金融风险管理以数据为中心,高度维度,并部署到软件系统中。工程模型通常利用更少的、高度耦合的输入,通常嵌入在物理和电子硬件中。
在这两种情况下,经过验证的适合用途的模型都是关键,可以在极端情况下延长产品生命周期,尽管时间范围不同。良好的流程可以减轻风险,例如代价高昂的交易错误或财务方面的合规费用,而高完整性需求长期以来一直主导着工程。适合用途的模型还可以增加功能并推动进步,使汽车、设备或飞机具有更多不同的功能,并促进新的投资、贷款和创造流动性的产品。2022世界杯八强谁会赢?
在这次演讲中,Ray讨论了金融风险技术堆栈如何在应对监管和地缘政治变化、更大的数据集、新的建模技术以及快速变化的开发文化方面不断发展。他还评估了良好模型开发和实现的关键重要性,以及他从其他行业的基于模型的设计中获得的见解。
记录日期:2017年10月4日
嗨,我是财务部的。
很高兴认识你。我能说什么呢?我没有机器人。我没有这些自动驾驶汽车。哇,人。一些很酷的东西。这真的是很棒的东西。我要做的是试着给大家介绍一下建模在金融领域的意义。我们在金融领域做基于模型的设计,因为我们必须尝试并预测未来的可能性。这都是关于我们如何管理我们的钱,我们如何努力确保我们做的决定是正确的。
我要对汇丰银行夸夸其谈——哇。我可以在下面读。我们在全球67个国家开展业务。我们有大约3800万客户。我还能告诉你什么小事实?我们说144种语言。我个人不这么认为。我们是一家非常大的金融机构。在英国,你可能听说过汇丰银行。但实际上,如果你想一下,无论何时你下飞机,你都会看到汇丰银行的标志。 We're in an awful lot of countries around the world. So we're very, very large outside of the UK.
我们分为四个部分。RBWM是我们的零售银行。这就是你可能在大街上看到的,你可能知道,也可能喜欢或讨厌的东西。不知道。CMB是我们的企业银行,我们借钱给MathWorks这样的公司。我们最近借钱给别人了吗?我不知道。GB&M是我们的投资银行。这就像你在电视上看到的所有交易大厅,所有人都在大喊大叫,看着屏幕,看着股价上下波动。他们这样做,实际上是故意的,为了大喊大叫。 Normally, when the cameras aren't there, they're just quite—not much happening at all, really. And then our private bank for all those very rich kids around the world who need that personal service.
我来简单解释一下,试着解释一下。所以你可能会从自己的角度来理解金融,基本上是你自己的财务周期。就是这样。当你还是个孩子的时候,你可能会开始接触金融。然后你基本上,你知道,结婚,自己生个孩子。你需要买房子。你基本上开始考虑退休、储蓄之类的事情。这是一个人正常的生命周期。同样的情况也适用于一家公司。
公司成立了。它是小的。它做的是国内市场。然后,它渴望走向国际,所以它走向区域。然后它开始走向世界。我举个例子。有人知道伊莱芝士蛋糕店吗?观众中有美国人吗?伊莱芝士蛋糕店做的芝士蛋糕非常好吃。他们于1940年在芝加哥开始。 There they are back there. And as you can see, they started their life cycle in terms of getting bigger and bigger in Chicago. You see they built a bakery. They went into retail. Then they started going international in the early ’90s. They needed to raise more money to do that. It took them 66 years to actually invent the Skinny Eli, which is pretty unfortunate. You know, it would be nice to have the diet one before that. And then eventually, they got all the way to serving Eli's Cheesecake to Obama in the White House. What more could you ask? Beautiful life cycle of a company.
这些生活方式的每一个阶段都需要资金。这就是我们的企业银行所做的,就是参与其中,帮助这些公司的生命周期。因此,我们在整个生命周期中提供服务,包括开始新业务,筹集初始资金,开始运营,优化它,扩展等等。这就是金融服务的基本运作方式。现在我要跳过这个。我喜欢跳绳。分析是如何参与其中的呢?这是一些背景知识。
汇丰全球的分析部门有600到700人,650人。我们所做的就是尝试观察并建立模型来预测我们的客户和我们的企业的现金流和资金将会发生什么。我们做预测模型。你可能已经在右边看到了,基于模型的设计的v型模型。我相信你们一定在图表的某个地方见过,在你们的某个工程领域。
左边是我们如何在金融中建立模型。它们实际上非常非常相似。但你可以看到,我们所做的是从定义我们要做的事情开始,进入模型开发,实现,验证,审查模型,批准,然后实现,然后在生产中对模型进行持续验证,然后在生命周期中反馈回下一代模型的创建,等等。这是一个连续的循环,和右边的v形很相似。
我们要建立什么样的模型?很多人都在试图预测会发生什么。这里有一个例子,说明了我们在世界各地的交易记录和头寸。我们要做的是模拟未来70年,看看所有可能发生的结果。很多令人震惊的事件,比如黑天鹅事件,所有这些你可能听说过的事情。然后尝试用大量的计算和大量的数据来预测会发生什么。
MathWorks之旅。我们面临的最大问题,我认为几乎每个人都面临的问题是数据。我们花费大部分时间试图访问数据、操作数据,并将数据置于一个足够好的状态,以便我们可以使用它进行建模。实际的模型构建本身实际上是生命周期中最短的部分。这是需要花费最长时间的数据操作——让它进入一个干净的状态,让它进入一个可以用于建模的状态。我想很多人会发现这和我们的共同点。
因此,我们用MATLAB做的第一件事是查看模型的生命周期,看看它们如何帮助我们访问、探索数据、处理数据、构建和验证模型,然后将这些模型部署到生产中——生命周期的所有四个步骤。我们开始使用一些标准工具,我们建立了自己的工具箱。你会看到我们建立了一个叫做MDE的东西,这是我们用来建立模型的工具箱。然后我们建立了一个执行环境,叫做MEE,用来用MATLAB实际运行这些模型。所以MDE是我们实际进行建模的开发环境。该模型还包括用于模型和文档的所有数据。然后我们将该模型运行到可执行区域。生命周期的所有阶段都使用MATLAB工具箱。
这里有一个可爱的屏幕,上面有一些图表。这不是很好吗?有人告诉我,我应该展示一张图表,乔什。是的。所以这里我们得到了一个很好的数据分析,我认为,这些数据的一些因素值以及你可以用这些数据做什么预测。这就是我们的建模开发环境。所以我们所做的就是使用MATLAB工具,与我们的数据进行交互,然后在上面添加我们自己的元素,这样我们就可以为很多金融模型建立一个标准的开发环境,然后把它们都存储在同一个地方,然后把这些模型用于多种目的。
所以它的生产方面,MEE,在生产中运行这些。然后我们为人们构建api来调用这些模型并实际使用它们。我们这样做的原因是我们试图减少在生产系统中由独立的技术部门对模型进行重新编码的数量。所以我们要做的是让我们的模型开发无缝衔接到我们的生产系统可以使用的环境中。因此,如果你想到创建伪代码,然后将其交给技术部门,然后由技术部门重写,并在生产系统中实际实现的范例,我们正试图摆脱这一步。我们正在尝试直接进入一个模型一个可以在生产中运行的模型。我想这一定让你想起了什么。
下面是我们执行环境的一个示例。放上一些前端屏幕,一些基于浏览器的前端屏幕,突然之间,你就可以运行这些模型了。然后你可以有一个适当的API调用。你可以把它们粘到你的生产系统中,粘到你每天所做的处理器中。在这种情况下,我们围绕客户进行信用分析,看看他们的违约评级有多大的违约潜力。
我喜欢这张幻灯片,因为里面的小人头着火跑来跑去。我很喜欢那个图标。现在我们在这张幻灯片的左边,试着去右边。我们最大的问题是我们的数据,我们有很多来自很多不同地理位置的数据,试图把它们都集中到一个地方,然后以一种一致的方式清理它,这样它就可以用于我们的建模环境。因此,我们最大的问题是试图建立一个环境,在这个环境中,我们可以拥有一致的数据,然后在建模方面运行标准工具。
所以,让我来谈谈我们的发展方向——云。我们总是喜欢云。想想云,想想世界上正在发生的事情,想想预测分析,想想机器学习。想想10年、20年、30年前的我们。如果你想想机器学习,数学并没有发生太大变化。这并不是说有人发明了机器学习。我想大概是在70年代。那么到底发生了什么变化呢?真正改变的是,突然之间,你能够在一个运行这些东西的价格点是合理的环境中运行这些东西。
因此,在以前,实际运行深度学习或机器学习过程,成本将是如此令人望而却步。你就是不会这么做。突然间,云技术的出现让你能够真正开始使用这些新的预测技术。它们并不新鲜。只是你有能力去做。有了这些,你就可以突然开始有一个全新的想法,关于你接下来要做什么,我马上就会讲到。但云是什么?这是什么灵丹妙药。一个主要的云突然出现,突然有了便宜的cpu ?
我能给你们的最好的类比是,如果你回到1880年或更早的时候,无论你建什么工厂,你都要建一个锅炉。锅炉会放在工厂旁边,为工厂发电。这就是你经营工厂的方式,这很好。每个人都这么做。但问题是,当工厂在周末或其他时间停工时,锅炉也必须关闭。这实际上是一种低效的方法。如果你生产了太多的电,你就没有其他地方可以把电输送到。这一切都是一对一的,从锅炉到工厂。但每个人都这么做了。
后来出现了一个人,我想是爱迪生,大约在1884年或5、6年。他发明了一种叫做发电站的东西。突然之间,把单独的锅炉附在工厂上就没有意义了。为什么我们不都从电网中获取电力呢?如今,想到在工厂旁边建造自己的锅炉,你会被认为有点疯狂。你会想从电网中获得电力。如果你想保守一点,也许你可以从两个格子中得到。你不会建造自己的发电站,除非你非常、非常、非常、非常、非常、非常、非常、非常、非常大。同样的情况也发生在计算机领域。
因此,汇丰银行,像许多其他公司一样,有巨大的数据中心,其中有大量的硬件和设备,这是我们多年来建造的。我们都为这些大型数据中心感到自豪,我们所有的计算机和设备都在那里运行,但有很多不同的类型。但实际上,云就是发电站。突然之间,范式的转变是你不再需要有自己的锅炉和数据中心,你可以开始使用这个云。而且云计算的价格要比公司内部的便宜一个数量级。
突然,你有了CPU的能力。你有记忆。你有足够的磁盘空间来用机器学习和深度学习来做正确的预测分析项目。突然之间,所有这些项目都变得有意义了。以前,价格太高了。你永远不会开始。你看一眼就会说,天哪,这要花掉我们一百万英镑。我们需要1000个cpu。当它们闲置的时候,没有人会使用它们。现在突然间,云出现了。 That's what's all of a sudden happened over the last, what? Five years. And that's why you're seeing such a huge boom in machine learning. We're embracing that as well.
因为我想做什么?我试着做预测分析。我在试着预测未来,当然,这是不可能的。所以我做了很多统计,试图弄清楚市场将走向何方,公司将会发生什么。但我也想使用更好的技术。我想用机器学习。我想用深度学习。我想引入越来越多的数据——不仅仅是我自己的数据,还有外部数据,以便更好地进行预测分析。突然之间,我可以开始使用社交媒体数据了。我可以开始使用互联网数据来帮助我弄清楚一家公司在未来和今天会发生什么。 And that's where you need the power of the cloud.
所以我们打算把云应用到汇丰银行。我们将减少我们自己的数据中心占地面积。我们将开始使用一些新的基于云计算的产品。你知道,像谷歌或亚马逊或微软这样的大公司——你会有你的偏好,但他们是真正最大的三家。他们都提供不同的服务和技术。但在一天结束的时候,你必须把它看作是一个发电站。突然之间,你就把自己连上了电网。以前,你有自己的数据中心。
为什么我现在要对你们做这个演讲?因为这是分析领域正在发生的最大变革。现在,突然之间,通过这样做,它将允许你做建模技术,你以前从来没有做过。突然之间,它将为你们打开一扇门,让你们可以做什么。一旦你上了云,那么,你知道,标准工具就会出现——一点Python,一点[?或,?]位MATLAB。你好,MATLAB。但它将打开一扇门,让你能够做比现在更大的分析。这就是我对未来的设想。这就是我们的目标。 And that's why we're working with MATLAB to get MATLAB running on the cloud with all the different cloud services and make sure that what we've built internally today is going to work for the future as well. I think I'm done. Thank you very, very much.
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。