摘要
9月27日:风险
未来管理模式
9:00-9:30点。
从概念上讲,一个好的模型是没有偏见的,在面对不确定性时是稳健的。实际上,要有效地管理人员、流程和系统,执行模型风险管理框架可能很复杂。您将了解传统模型经常遇到的挑战和潜在的补救措施,并学习如何将人工智能和机器学习算法纳入模型风险管理框架。
模型风险管理器和模型验证器工具箱
9:40-10:10点。
随着模型开发的多样性和速度的增加,以及围绕机器学习模型的可解释性和负责任使用的约束出现,模型风险经理和模型验证实践者需要一套工具来满足监管、操作和业务需求。在本次演讲中,您将发现支持MathWorks为模型风险管理开发的模型治理和模型验证金宝app过程的自动化、文档化和可跟踪性的工具。
保罗剥皮, MathWorks
极端损失事件的操作风险资本模型
上午10:10-10:40。
由于极端事件,使用参数模型的操作风险建模可能导致对风险价值的反直觉估计为99.9%。为了解决这个问题,引入了一种灵活的半非参数(SNP)模型,使用变量变化技术来丰富可用于建模极端事件的分布族。SNP模型与参数核具有相同的最大吸引域(maximum domain of attraction, MDA), SNP模型符合极值理论和阈值峰值法,但形状和尺度参数不同。通过使用由具有不同体尾阈值的混合分布生成的模拟数据集,Fréchet和Gumbel MDAs中的SNP模型通过增加模型参数的数量来拟合数据集,导致类似的分位数估计为99.9%。当应用于一家大型国际银行的实际操作风险损失数据集时,SNP模型产生的经济资本估计值是单个最大损失事件的2至2.5倍,并在情景分析中对损失历史的变化表现出合理的稳定性。
亨陈,汇丰银行
用MATLAB实现了下一代GRADE模型的迁移
上午10:50-11:20。
Euler Hermes (EH)是安联集团领先的B2B信用风险业务,帮助客户保护自己免受坏账。
EH的战略目标是将所有信用评估模型校准数据、模型设计和模型监控流程集中在一个共同的建模平台上,帮助满足监管机构对所有信用评估模型的调节和透明度要求。EH专有的GRADE模型是一种违约概率(PD)模型,用于承保过程和风险资本分配。
2020年,EH启动了一个转型项目,将所有信用风险模型从遗留基础设施迁移到MATLAB®在AWS上运行®. 裕利安怡使用MATLAB模型风险管理解决方案的组件开发和维护全套基于模糊逻辑方法和基于树的算法的信用风险模型。
在本演示中,学习EH如何使用MATLAB和AWS构建新的模型设计架构,该架构将允许在构建和测试未来模型的过程中进行许多改进。
莱斯帕格诺酒店Euler Hermes,
自动化和沿袭的秘密:MathWorks模型清单
11点。
任何稳健的模型风险管理框架的核心都是模型库存。然而,事实证明,许多库存系统无法满足监管机构日益增长的需求,因为它们是具有良好设计界面的有效数据库,缺乏现代系统的可追溯性和自动化需求。
虽然模型、数据和文档的链接和深入挖掘通常是监督讨论的起点,但经常被忽视的领域是文档管理、互操作性、工作流自动化和通过高级分析进行定制。这些关键领域通过加速监管审批和消除低效,提高了业务成本。
在本会话中,您将看到对MathWorks模型清单的现场演示,展示了采用此解决方案的几家大型全球银行如何解决围绕模型沿袭、治理、自动化和审查的关键挑战。
伊恩·麦肯纳, MathWorks
9月28日:部署和云计算
量化金融中的ModelOps专题讨论
9:00-9:30点。
建模和分析可以为所有行业和学科的组织提供巨大的价值,金融服务也不例外。金融机构正在投入大量的时间和资本来构建现代分析能力。虽然其中一些机构拥有拥有构建高度复杂模型技能的团队,但他们在将这些模型转移到生产和获得关键涉众(包括企业所有者、内部合规团队和监管机构)的支持方面面临重大挑战。
在本次专题讨论中,学习敏捷的ModelOps基础设施如何帮助组织以低成本和及时的方式将其模型从设计到部署。通过有效地监控模型性能以确定前瞻性的行动,组织可以满足模型生命周期中涉及的所有涉众的需求。
基于组件的基础设施项目分析的MATLAB工具
9:40-10:10点。
世界各国政府都试图吸引私人投资者参与基础设施项目,因为公共财政无法支付成本,可能不适合为现代基础设施解决方案融资。金宝搏官方网站
投资者主要通过固定收益债券工具为基础设施融资。在电信、机场和港口等基础设施领域,更容易找到私人投资者。需要政府支助受管制的公金宝app用事业和社会基础设施,例如教育和医疗设施以及污水和固体废物管理。
了解一个在MATLAB中实现的工具®用于模拟各种情景下的现金流,以支持世界银行投资基础设施项目的决策。金宝app
可扩展的数据科学管道与QuSandbox和MATLAB在线服务器
上午10:10-10:40。
随着数据科学管道的复杂性不断增长,组织正在重新设计工具和基础设施,以构建敏捷流程、用于实验的沙箱,以及与多种工具的集成,以满足分布式团队的需求。此外,云技术使数据科学家和量化建模人员无需计划复杂的硬件和软件设置就可以进行高性能、可伸缩和弹性计算。
在本次演讲中,您将了解QuSandbox,这是一个快速原型平台,建模人员可通过该平台访问数据、建模工具和计算基础设施,以便在云中构建大规模量化和数据科学应用程序。QuSandbox支金宝app持多种数据集成和建模工具,包括MATLAB Online™服务器,使量化人员和数据科学家能够在沙箱环境中学习。您将听到最近的一个用例,其中定量分析团队学会了使用QuSandbox构建完整的数据管道,并为MATLAB Online服务器上的分析做好准备。
您还将看到一个案例研究,其中收集、清理和注释了EDGAR的数据,并使用MATLAB Online服务器构建了情感分析模型。我们还将说明如何使用Amazon S3进行数据分段,如何使用MLFlow进行跟踪实验,以及如何使用QuSandbox编排整个数据管道。
室利克里希那穆提定量大学
汇丰银行采用MLOps
上午10:50-11:20。
了解汇丰如何专注于在其全球风险分析团队中实施MLOps流程。您将听到对模型开发实践的历史和过程中遇到的陷阱的总结,并探索:
- 改变的需要和对工程的新关注
- 实现的挑战和故事到目前为止
- 推动云计算并释放规模的可能性
马特·巴恩斯,汇丰银行
在Docker容器中运行MATLAB
11点。
容器是云计算和计算解决方案的通用构建块,可以根据需要伸缩和适应。金宝搏官方网站了解获取、构建、运行和许可MATLAB的基础知识®在Docker容器中。
斯科特·尼古拉斯, MathWorks
9月29日:人工智能、ESG和气候建模
建立负责任的人工智能管道
9:00-9:30点。
随着流感大流行期间向远程工作的转移,数字转型呈指数级增长,再加上人工智能作为跨组织的战略举措的采用,创造了一个快速变化和巨大创新潜力的环境。随着人工智能数字化、自动化和集成到财务工作流中的这一举措的实施,各组织正努力维护一个强大、负责任的建模管道,该管道能够灵活地满足越来越短、要求越来越高的业务时间线,从而缩短研究和创新的时间间隔。在本次演讲中,您将听到“负责任的人工智能”领域的概述,以及构建敏捷、负责任的人工智能管道以高效地将研究交付生产的最佳实践。
斯图尔特Kozola, MathWorks
人力与计算机智能在资产配置中的结合
9:40-10:10点。
在这次谈话中,了解系统投资如何带来财富管理的新面貌,结合人类和计算机智能。
讨论使用数据科学的市场分析,极端市场事件前的风险分析,以及在前沿优化方法下的投资组合构建。从技术和以科学为导向的专业人士的角度探索现实生活中的交易和投资组合管理。您还将看到集成投资流程的模块集是如何在MATLAB中生成和集成的®,展示了不同工具箱的端到端功能,用于为财富顾问和可自由支配的机构投资组合经理提供完整的解决方案。
埃米利奥略伦特,认可医疗辅助队
基于变压器模型的金融自然语言处理
上午10:10-10:40。
自然语言处理(Natural language processing,NLP)是金融服务业中一个快速增长的兴趣领域,因为定量人士、风险经理和金融分析师都对从语音和文本数据中获取新的alpha和见解感兴趣。常见的NLP模型不考虑上下文特定的词汇,但是预先训练以识别金融术语和细微差别的变压器模型,例如FiNBER,可以提供更好的结果。
在本课程中,您将学习如何使用MATLAB®使用实验管理器、分类学习器和深度网络设计器等应用程序增加价值并简化各种微调任务。
劳伦斯约翰尼, MathWorks
使用能源经济模型进行气候相关的财务影响分析
上午10:50-11:20。
气候变化带来的金融风险源于政治、技术、社会和经济格局的变化,这些变化可能在向低碳经济转型期间发生。全球社会最重大的当代挑战之一是需要满足日益增长的能源和粮食需求,同时实现温室气体排放量的大幅减少和可持续发展。在追求这一目标的过程中,决策者需要做出兼顾两者的战略选择身体风险(火灾、洪水、干旱和海平面上升等极端事件造成的损害)过渡的风险(在向低碳未来转型的过程中,政治、技术、社会和经济格局的财政后果转变)。能源经济模型可以用于支持决策者通过整合跨系统、部门和规模来量化这些风险。金宝app了解应对气候相关金融风险的框架,其中情景分析在气候风险管理中发挥关键作用。
谢尔盖Paltsev、麻省理工学院
过渡和物理气候风险对抵押贷款组合的影响建模
11点。
2015年《巴黎协定》规定,世界各国政府有义务“使资金流动与实现低温室气体排放和气候适应性发展的途径相一致”。监管者、客户、投资者,其他利益相关者正在推动金融机构尽其所能向低碳经济转型,并管理与气候相关的风险敞口。他们正在使用新的数据源和开发新类型的模型,通常利用其他科学和工程领域的方法。从业者需要提供广泛的建模功能、灵活的界面、丰富的可视化功能、协作和审查功能的软件,以跟上这一领域的变化步伐。
学习MATLAB®可以让你开始建模物理和过渡气候风险。在现场演示中,您将学习如何:
- 可视化城市内的洪水风险(物理风险)
- 了解旨在提高建筑能效的政策的影响(过渡风险)
- 模拟这些风险对抵押贷款组合的影响
劳伦斯约翰尼, MathWorks
九月三十日:学术界人士
在学术界和工业界发展金融思维
9:00-9:30点。
技术和监管方面的变化给金融服务业的发展带来了压力。企业正在应对云计算、人工智能和气候变化等趋势。劳动力正在提高技能以跟上这些趋势。
作为一名教育工作者或雇主,您是如何培训学生和员工来应对当前和未来的业务需求的?在这次谈话中,你将探索客户在发展金融思维和资源时遇到的典型挑战。
阿披舍克笈多, MathWorks
评估投资者在实现气候缓解途径中的作用
上午10:10-10:40。
投资者和监管者对金融机构评估其投资组合中的气候风险的要求越来越高。金融当局建议将这些评估基于NGF情景(未来经济中高碳和低碳部门的碳价格和产量轨迹,取决于未来气候政策的引入)。
即使进行了这些评估,在将气候风险纳入风险管理方面仍存在若干挑战。风险的物化和风险感知之间的循环关系会导致对可能发生的情景的不确定性。虽然在其他情况下,风险是融资的内生因素,但在气候风险中,它损害了标准风险评估工具的使用。
本次演讲是与参与NGFS情景开发的IAM社区科学家的合作,并解释了一个新的框架如何能够提供情景,评估投资者在实现气候缓解途径中的作用。
斯特凡诺Battiston,苏黎世大学
处理大数据的宏观和金融高级主题
上午10:50-11:20。
大数据时代为计量经济学、经济学和金融领域的新发展创造了许多令人兴奋的机遇。最近计算机科学和互联网的进步使数据收集变得更容易。同时,对大数据集的分析提出了方法上的挑战(如高频观测、非结构化数据和新的大数据集),其中MATLAB®可以帮助和支持研究人员。金宝app在本次演讲中,我们将探讨宏观计量经济学和实证金融分析在处理大数据方面的最新进展。了解机器学习技术如何在MATLAB中实现,以估计宏观和财务数据的赛马预测和结构分析。
Alessia Paccagnini,都柏林大学学院
香港掉期波动率动态与系统性风险的传递
11点。
探讨基于预测误差方差分解和风险协方差的金融部门系统性风险的替代措施。你将看到如何评估在香港和美国发行的政府证券的掉期期权的隐含波动率度量的差异的相对重要性。在以往对中国大陆银行体系的研究中,全球和美国经济不确定性指数的影响是通过在岸人民币汇率和离岸人民币汇率的差异传导到中国大陆的。由于香港实行盯住美元的汇率制度,请了解掉期波动率动态的差异如何影响不确定性指数向香港金融体系的传递。
保罗·麦克尼利斯福特汉姆大学