摘要

模型管理的未来

9:00-9:30点。

从概念上讲,一个好的模型是免费的偏见和健壮的在面对不确定性时。在现实中,执行风险管理模型框架可以复杂的管理,有效的流程和系统。你会看经常遇到的挑战和潜在的对传统模型的补救措施,并学习如何包括人工智能和机器学习算法模型的风险管理框架。

模型风险经理和模型验证器的工具箱

9:40-10:10点。

随着模型发展的多样性和速度的增加,和约束explainability和负责任地使用机器学习模型的出现,模型风险经理和模型验证从业者需要一套工具来满足监管,操作和业务需求。在这个谈话,你会发现工具,支持自动化、文档、模型和可追溯性管理和模型验证过程Mat金宝apphWorks已经发展为风险管理模型。

操作风险资本为极端损失事件建模

10:10-10:40点。

操作风险建模使用参数模型会导致违反直觉估计风险价值的99.9%作为经济资本由于极端事件。为了解决这个问题,一个灵活的semi-nonparametric (SNP)模型介绍了使用变量的变化技术丰富的家庭分布可用于建模极端事件。苏格兰民族党模型被证明有相同的最大吸引域(MDA)作为参数的内核,它是苏格兰民族党模型符合极值理论和峰值超过阈值的方法,但在不同的形状和尺度参数。通过使用模拟数据集分布的混合物产生不同body-tail阈值,苏格兰民族党模型邻和甘力克mda符合数据集通过增加模型参数的数量,导致类似的分位数估计为99.9%。当应用于一个实际的操作风险损失数据集从一个主要的国际银行,苏格兰民族党模型经济资本收益率估计2到2.5倍最大损失事件,表现出一个合理的稳定对损失的变化历史场景分析。

使用MATLAB搬到下一代的品位模型

10:50-11:20点。

Euler Hermes (EH)是领先的B2B信用风险安联集团的业务,帮助客户保护自己免受不良债务。

嗯有一个战略目标集中所有信用评估模型校准数据,模型设计,在一个共同的监测过程和模型建模平台,帮助满足监管要求和解和透明度为所有信用评估模型。呃的专有年级模型是一个违约概率(PD)模型在承销过程和风险资本的分配。

嗯启动转换项目,2020年所有信用风险模型遗留基础架构迁移到MATLAB^®在AWS上运行^®。嗯用MATLAB模型风险管理解决方案的组件开发和维护的全套信用风险模型,基于模糊逻辑的方法以及基于树的算法。

在这个演讲中,学习如何嗯已经建立了一个新的模型设计架构与MATLAB和AWS,让很多改进的过程中构建和测试未来的模型。

自动化和血统的秘密:MathWorks模型库存

11点。

任何健壮的模型风险管理框架的核心是模型库存。然而,许多库存系统被证明是无法跟上增加监管机构的要求,因为他们实际上是一个设计良好的数据库接口和缺乏可追溯性和自动化现代系统的需求。

在链接和下钻模型、数据和文档通常是监督的讨论的起点,是经常被忽视的领域文档管理、互操作性、工作流程自动化,通过先进的分析和定制。这些关键领域提供增强的成本削减业务通过加速监管部门的批准和消除低效。

在这个会话中,您会看到一个现场演示MathWorks库存模型,展示了如何采用该解决方案解决的几家大型全球银行关键挑战模式谱系,治理、自动化、和审查。

小组讨论在ModelOps定量金融

9:00-9:30点。

建模和分析可以为组织提供巨大的价值在所有行业和学科,和金融服务也不例外。金融机构投资大量的时间和资金来构建现代分析功能。虽然这些机构的几个团队技能构建高度复杂的模型,这些模型在移动他们面临重大挑战,生产和获得关键利益相关者(包括企业主的认同、内部合规团队,和监管机构。

在这个小组会议,学习敏捷ModelOps基础设施可以帮助组织将他们的模型从设计到部署以节省成本且及时的方式。通过有效的监测模型性能决定主动行动,组织可以满足所有利益相关者的需要涉及整个生命周期模型。

建模的基于组件的分析基础设施项目

9:40-10:10点。

世界各国政府试图吸引私人投资者基础设施项目因为国库无法覆盖成本和可能不适合现代基础设施融资解决方案。金宝搏官方网站

投资者金融基础设施主要通过固定收益债务工具。更容易找到私人投资者基础设施行业如电信、机场和港口。需要政府支持监管公用事金宝app业和社会基础设施,如教育和医疗设施和污水和固体废物管理。

学习工具在MATLAB中实现^®对于现金流模拟在各种场景,支持决策由世界银行投资于基础设施项目。金宝app

可伸缩的数据科学与QuSandbox管道和MATLAB的在线服务器

10:10-10:40点。

与复杂性科学数据管道增长,组织重新设计工具和基础设施构建敏捷流程,沙箱实验,集成与多个工具来满足分布式团队的需要。此外,云high-performant,可伸缩、弹性计算数据访问科学家和定量建模者无需计划精心设计的硬件和软件设置。

在这个演讲中,您将了解QuSandbox,一个快速原型平台,使访问数据,建模工具和计算基础设施可为构建大规模量化和数据建模师云中的科学应用。QuSandbox支金宝app持多种数据集成和建模工具包括MATLAB在线™服务器启用宽客和数据科学家通过在沙箱环境中学习。你听说最近使用情况的宽客团队学会构建成熟的数据管道QuSandbox和主要分析MATLAB环境在线服务器。

您还将看到一个案例研究数据从埃德加在哪里刮,清洗,注释和情感分析模型使用MATLAB构建网络服务器。我们还将演示如何使用Amazon S3数据暂存和MLFlow是如何用于跟踪实验和整个数据管道是如何使用QuSandbox策划。

汇丰(HSBC)采用MLOps

10:50-11:20点。

发现汇丰银行专注于实现MLOps过程在全球风险分析团队。你会听到一个总结模型开发实践和历史的一路上遇到的陷阱,并探索:

• 需要改变和一个新的重点工程
• 实现挑战和故事
• 推动云计算和释放的可能性

MATLAB在码头工人容器运行

11点。

容器的云计算解决方案的通用构件所需的规模和适应。金宝搏官方网站了解基本的获取、构建、运行、和许可MATLAB^®在一个码头工人容器。

建立一个负责任的人工智能管道

9:00-9:30点。

数字转换成倍地增加了转移到远程工作在大流行期间,当加上AI采用跨组织战略主动,创造了一个环境的快速变化和创新潜力巨大。与这一举动数字化、自动化和人工智能集成到财务工作流程,组织正在努力维持一个健壮的和负责任的管道中敏捷建模会议越来越短和更苛刻的业务时间,离开短间隔的研究和创新。在这个演讲,你会听到“负责任的AI”领域的概述和最佳实践构建敏捷和负责任的人工智能管道提供研究生产效率。

结合人类和计算机智能资产配置

9:40-10:10点。

在这个演讲,学习系统的投资带来了财富管理的新面孔,嫁给人类和计算机智能。

讨论使用数据科学的市场分析,风险分析在极端市场事件之前,和投资组合构建先进的优化方法。发现现实生活中的交易和投资组合管理工作理念须由经验型向科学化理念从技术的角度和专业。您还将看到如何的模块集整合投资过程产生并在MATLAB合奏^®,显示不同的端到端功能工具箱使用财富顾问提供一个完整的解决方案和可自由支配的机构投资组合经理。

自然语言处理与变压器模型对金融

10:10-10:40点。

自然语言处理(NLP)是一个快速增长的领域感兴趣的金融服务业作为数量化投资,风险经理和财务分析师派生新的α和见解都感兴趣从语音和文本数据。常见的NLP模型不考虑上下文相关的词汇,但变压器模型pretrained认识到金融术语和细微差别,如FinBERT,可以提供更好的结果。

在这个会话中,您将学习如何用MATLAB^®增加价值和简化各种微调任务与实验等应用程序管理器,分类学习者和网络设计师。

使用节能与气候相关的财务影响分析模型

10:50-11:20点。

气候变化带来的金融风险,源于转变在政治、科技、社会和经济格局可能发生在过渡到低碳经济。当代国际社会最重要的挑战之一是需要满足不断增长的能源和食品的需求,同时实现非常显著减少温室气体排放和可持续发展。在追求这一目标,决策者需要做出战略选择这个地址物理风险(伤害从极端事件,如火灾、洪水、干旱、和海平面上升)过渡的风险(经济上重要的变化在政治、科技、社会、和经济景观过渡到-低碳未来)。节能模型可以用于支持决策者在量化这些风险通过集成在系统中,部门和尺度。金宝app了解一个框架,以应对与气候相关的金融风险情景分析在气候风险管理中扮演着重要角色。

建模的影响过渡和物理气候风险的抵押贷款投资组合

11点。

2015年“巴黎协议”的地方有约束力的义务在世界各国政府“让金融流动符合对低温室气体排放,适应气候变化的发展途径。“监管机构、客户、投资者和其他利益相关者推动金融机构做他们的部分过渡到低碳经济和管理与气候相关的风险敞口。他们使用新的数据源和开发新类型的模型,通常利用方法与其他科学和工程领域。从业者需要软件,它提供了一个广泛的建模功能,灵活的界面,丰富的可视化功能协作和评论功能,为了跟上变化的步伐。

学习MATLAB^®可以让你开始物理建模和过渡气候风险。在一个现场演示,您将学习如何:

• 想象在一个城市洪水风险(物理风险)
• 理解政策的影响,旨在提高建筑物的能源效率(转换风险)
• 模型的影响,这些风险的抵押贷款组合

发展金融学术界和工业界的思考

9:00-9:30点。

技术和监管改革金融服务业发展创造压力。公司响应趋势,比如云计算,人工智能,和气候变化。劳动力是upskilling跟上这种趋势。

作为一个教育家或雇主,你培训学生和员工如何应对当前和未来的业务需求吗?在这个演讲中,您将探索发展中金融客户遇到的典型挑战思维和资源使用。

定量机构投资的资产管理和机器学习

9:40-10:10点。

使用的例子从哥伦比亚大学课程和他的书,量化资产管理迈克尔·罗宾斯投资资产配置应用机器学习和因素。他演示了如何领导机构管理数十亿美元的投资组合,包括真实的细节如货币管制,市场影响,税收。了解整个投资过程,从设计目标规划、研究、实现、测试和管理。

评估投资者的角色实现减缓气候变化的途径

10:10-10:40点。

金融机构面临来自投资者和监管机构的日益增长的需求,评估气候风险在他们的投资组合。金融当局建议把这些评估建立在神经生长因子场景(未来的轨迹的碳价格和产量高和低碳经济领域,取决于未来气候政策的介绍)。

即使这些评估,仍存在若干挑战将气候风险纳入风险管理。实体化的风险和风险感知之间的循环可能导致的不确定性,可能发生的场景。而在其他情况下风险是内源性融资,在气候风险损害标准的风险评估工具的使用。

这个演讲是我社区的协作与科学家参与神经生长因子的发展场景和解释了一个新的框架可以提供场景评估气候缓解投资者的角色实现的途径。

高级的主题在宏观和金融处理大数据

10:50-11:20点。

大数据时代创造了很多令人兴奋的新发展的机会在计量经济学,经济学和金融学。最近的改进计算机科学和互联网进行数据收集更加容易。与此同时,大型数据集的分析提出了方法论的挑战(例如,高频观测、非结构化数据和新的大型数据集),MATLAB^®研究人员可以帮助和支持。金宝app在这谈话,探讨最近宏观计量经济学的进步和实证财务分析来处理大数据。看看机器学习技术可以实现MATLAB对赛马预测估计宏观和金融数据和结构分析。

交换动力学和波动传播的系统性风险在香港

11点。

探索金融业系统性风险的替代措施基于预测误差方差分解以及covariance-at-risk。您将看到如何评估的相对重要性差异隐含波动率的措施swap-options政府发行的证券在香港和美国。在以前的中国内地银行系统工作,全球和美国经济的不确定性指标的影响传播给中国大陆通过在岸人民币汇率之间的差异和离岸人民币汇率。因为香港有困难与美元挂钩,发现在交换波动动力学差异如何影响传输的不确定性指标向香港金融体系。