雷O ' brien,汇丰银行
乍一看,金融风险管理可能与基于工程模型的设计似乎不大。财务风险管理是以数据为中心的,高度的,并部署到软件系统中。工程模型通常绘制更少,高耦合的输入,通常嵌入物理和电子硬件。
在这两种情况下,经过验证、验证的适用模型是关键,在极端情况下延长产品生命周期,尽管跨越不同的时间范围。良好的流程可以降低风险,如昂贵的交易错误或财务上的合规性收费,而高完整性要求长期主导着工程。适合用途的模型还可以增加功能并推动进程,使汽车、设备或飞机具有更多差异化的功能,并促进新的投资、贷款和创造流动性的产品。下载188bet金宝搏
在这次谈话中,Ray讨论了金融风险技术堆栈如何以应对监管和地缘政治变化,更大的数据集,新的建模技术和快速变化的发展文化而发展。他还评估了良好的模型开发和实施的重要意义,以及他在其他行业中取得了基于模型的设计的洞察力。
记录:2017年10月4日
嗨,我来自金融。
很高兴见到你。我能说什么?我没有任何机器人。我没有这些自治车辆。哇,男人。有些真的很酷的东西。那真是很棒的东西。我要做的是我有点尝试,并稍微招待你的财务建模手段。我们在金融中进行基于模型的设计,因为我们必须实际尝试预测未来的可能性。这是关于我们如何管理我们的钱,我们实际上如何确保我们正在做出正确的决定。
关于汇丰的一个小演讲——哇。我可以在下面看。我们在全球67个国家开展业务。我们大约有3800万客户。我还能告诉你什么小事实?我们会说144种语言。我个人不喜欢。我们是一个非常大的金融机构。在英国,你可能听说过汇丰银行。但实际上,如果你仔细想想,无论你什么时候下飞机,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.
我们分为四种地区。RBWM,这是我们的零售银行。这就是你可能在高街上看到的东西以及你可能知道的东西和爱情或恨。不知道。CMB,这是我们的公司银行,我们向像MathWorks等公司借钱。我们最近借给了任何钱吗?我不知道。GB&M,这是我们的投资银行。这就像你在电视上看到的所有交易楼层,所有这些人都在喊叫并看着屏幕,看着事情上下。他们实际上是这样,故意喊叫,你知道。 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.
让我稍微解释一下,试着解释一下。所以你可能会从你自己的角度来理解金融,基本上是你自己的金融生命周期。这就是你。当你还是个孩子的时候,你就开始和金融打交道了。然后你自己结婚生子。你需要买一栋房子。你基本上开始考虑退休,储蓄,诸如此类的事情。这是一个人正常的生命周期。同样的情况也适用于一个公司。
一个公司开始。它是小的。它在做国内市场。然后它渴望走向国际,于是它走向区域。然后它开始在世界范围内国际化。我举个例子。有人知道伊莱芝士蛋糕吗?观众中有美国人吗?伊莱芝士蛋糕店做的芝士蛋糕真的很好吃。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.
这些生活方式的每个阶段都需要资金。这就是我们的企业银行所做的,参与其中,帮助这些公司的生命周期。所以我们在整个生命周期都提供服务比如创办新企业,筹集初始资金,开始运营,优化,扩张等等。这基本上就是金融服务的运作方式。现在我要跳过这个。我喜欢跳绳。分析学是如何参与其中的呢?好吧,先讲一点背景知识。
我们有大约600人,700人-650人,我们在世界各地的汇丰银行进入分析。我们所做的是,我们尝试寻找和构建模型,以预测通过您的客户和业务的现金流量和款项将发生的情况。我们做预测建模。所以你可能已经在右侧看到了关于基于模型的设计的V形模型。而且我相信你必须已经看到了一个图中的某个地方,在你的一个工程领域的某个地方。
在左侧是我们实际上建立金融模式的方式。它们实际上非常非常相似。这只是我们做一个圆圈,你们可以做一个v。但是你可以看到,我们所做的是我们开始定义我们想要做的事情,进入模型开发,实施,验证,审查模型,批准,实施然后,然后连续验证生产模型,然后在生命周期内送回生命周期,然后创建下一代模型等。所以它是一种连续循环,与右侧的V形非常相似。
我们正在建造什么样的型号?他们很多都试图预测如果发生的情况会发生什么。所以这就是我们在世界各地的所有贸易账簿的位置的一个例子。我们所要做的是模拟未来出去了70年,看着可能发生的所有结果。很多震撼 - 看着黑天鹅事件,所有你可能听到的东西。然后尝试预测巨大计算和大量数据会发生什么。
我们与MathWorks的旅程。我们面临的最大问题,我认为几乎每个人都面临着,就是数据。我们将大部分时间花在访问数据、操作数据,并将数据置于足够好的状态,以便用于建模。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。我想很多人会发现我们的共同点。
因此,我们使用Matlab所做的第一件事是看模型的生命周期,看看它们如何帮助我们访问,探索数据,处理它,构建和验证模型,然后将这些模型部署到生产 - 所有四个步骤生命周期。我们开始使用许多标准工具,我们建立了自己的工具箱。所以你会在那里看到我们建立了一个叫做MDE的东西,这是我们构建模型的工具箱。然后我们构建一个名为Mee的执行环境,用于使用MATLAB实际运行这些模型。因此,MDE是我们实际进行建模的开发环境。该模型还包括要执行模型和文档的所有数据。然后,我们将该模型运行到可执行的区域中。因此,使用MATLAB工具箱的生命周期的所有阶段。
这里有一个漂亮的屏幕,上面有一些图表。这不是很好吗?有人告诉我,我应该用图表,乔什。是的。所以这里我们得到了一个很好的数据分析,我想,看看这些数据的一些因子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。所以我们要做的是我们使用MATLAB工具,与我们的数据交互,然后添加我们自己的元素最重要的是让我们建立一个标准的开发环境,很多金融模型,然后将它们存储在同一个地方,然后使用这些模型有多种用途。
所以它的生产方,即MEE,在生产中运行这些。然后我们建立api让人们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我们的生产系统中通过一个独立的技术部门对模型的重新编码。所以我们想要做的是有一个无缝的流程,从我们的模型开发到一个可以被我们的生产系统使用的环境。所以,如果你想到创建伪代码的模式,然后把它交给技术部门,然后他们重写它,并在生产系统中实际执行它,我们试图摆脱这个步骤。我们试图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什么了。
下面是我们的执行环境的一个示例。打开一些前端屏幕,一些基于web的前端屏幕,突然之间,你就可以运行这些模型了。然后您就可以进行适当的API调用。你可以把它们粘合到你的生产系统和你每天所做的处理器中。在这种情况下,我们对客户进行信用分析,看看他们的违约可能性在他们的违约评级中是怎样的。
现在我喜欢这个幻灯片,因为有很少的人在火上跑去。我喜欢那个图标。所以我们在这一刻的左侧的左侧是非常多的,试图进入这个幻灯片的右侧。我们最大的问题是我们的数据,我们在许多不同地区的许多不同地域有很多数据,试图将它全部带入一个地方,然后以一致的方式清理它可以使用它对于我们的建模环境。因此,我们最大的问题正在尝试实际构建我们可以具有一致数据的环境,然后在建模方面运行标准工具。
所以让我和你谈论我们走向云的地方。我们总是喜欢云。如果你想到云以及世界发生的事情,如果你考虑预测的分析,你会考虑机器学习。你想到了我们在30年前的10岁地方,30年前。如果您认为机器学习,数学并没有真正改变。这不像有人出去并发明了机器学习。我认为,在70年代,它实际上是周围的。那么实际改变了什么?实际改变的是,突然之间,你能在运行这些东西的价格点合理的环境中跑这些东西。
所以在之前,实际运行了深度学习或机器学习过程,成本会如此令人望而却步。你不会这样做。突然间,云端可以让您实际开始执行这些新的预测技术。他们不是新的。它只是你能够做到这一点。与此同时,你可以突然开始突然出现在你想做的事情的全新想法,我将在一秒钟内谈论。但云是什么?这是什么大的灵丹妙药突然间。一个主要的云刚刚出场,突然间,有便宜的CPU?
我能给你们提供的最好的类比是如果你回想1880年或更早的时候,无论何时你要建造一个工厂,你都会建造一个锅炉。锅炉就在你的工厂旁边,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候停工时,锅炉就不得不停工。这实际上是低效的。如果你生产了太多的电力,你就找不到其他地方发电了。这一切都是一对一的,从锅炉到工厂。但每个人都这么做了。
然后来一个人,我认为它是爱迪生,大约在1884年或5或6或6。他发明了一件名为电站的东西。突然间,拥有附着在工厂的各个锅炉都没有意义。为什么我们都不从网格中抽取电力?如今,思考在工厂旁边建造自己的锅炉,你会像疯了一样想到。您想要从网格中获取电源。如果你真的想保守,也许你会从两个网格中得到它。除非你非常非常非常非常非常非常非常非常非常非常非常非常大,否则你不会建造自己的电站。在计算中发生了同样的事情。
所以汇丰银行,像许多其他公司一样,拥有巨大的数据中心,里面有我们多年来建造的大量硬件和设备。我们都为这些大数据中心感到自豪,这些数据中心有我们自己的电脑和其他东西在运行,但种类很多。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自己的锅炉和自己的数据中心,你可以开始使用云。云计算的价格点比你实际拥有的内部产品便宜一个数量级。
现在突然,你有CPU力量。你有记忆。您有磁盘空间实际上与具有深度学习的机器学习进行了适当的预测分析项目。突然间,所有这些项目都开始有意义。在之前,价格点太过于禁止。你永远不会开始。你有一个看,上帝,它会花费100万令人震惊。我们只需要1000个CPU。当他们空闲时,没有其他人会使用它们。现在突然,云就在那里。 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?我正在努力做预测的分析。我正在努力预测未来,当然是不可能的。所以我做了很多统计,试图弄清楚市场将会去哪里,公司会发生什么。但我也想使用更好的技术。我想使用机器学习。我想使用深度学习。我想带来越来越多的数据 - 不仅仅是我自己的数据,而是外部数据实际上做了更好的预测分析。突然间,我可以开始使用社交媒体数据。我可以开始使用Internet数据来帮助我实际上弄清楚了将来与公司一起发生的事情,以及今天。 And that's where you need the power of the cloud.
所以我们将采用云到汇丰银行。我们将减少自己的数据中心足迹。我们将开始使用这些基于云的一些产品。你知道,很大的,像谷歌或亚马逊或微软一样 - 你将有你的偏好,但他们三个真正最大的那些。他们都提供不同的服务和技术。但在一天结束时,你必须看看这一点 - 它是一个电力站。突然间,你会把自己挂钩到网格上。在之前,您有自己的数据中心。
为什么我现在对你们做这个讲话?这是因为它是分析中发生的最大革命。现在,突然间,通过这样做,它将允许您以前从未做过的建模技术。突然间,就你可以做的事情打开你的家伙。一旦你进入了云,那么,你知道,标准工具将有一个python,bit [?或者,?] matlab的一点。你好,matlab。但它会打开门,让你做一个比你今天所拥有的更大的分析集。这是我对未来的愿景。这就是我们前往的地方。 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.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。