“MATLAB的数值计算和可视化功能令人难以置信！我们可以快速实现高达100,000个模拟到数十万个位置和相对聚合。”
Roberto Modafferi，Banche Popolari团结
为了保护他们的投资组合产品并保持盈利，银行必须确定潜力信用风险。然而，随着客户和市场数据呈指数增长，运行精确分析所需的大计算可能是具有挑战性的。
Banche Poolari Unite（Ubi Banca）意大利使用与Matlab开发的价值 - 风险（var）模型监控公司特定和行业组合信用风险®和统计和机器学习工具箱™。
“MATLAB允许我们管理大量数据，并快速生成数量可观的场景，”该公司定量分析师Roberto Modafferi说风险管理UBI Banca的部门。“这使我们能够通过估计的投资组合多样化和集中度来监测信用风险。”
UBI Banca使用MATLAB和统计与机器学习工具箱开发了一个基于默顿的信用模型，该模型确定了不同置信区间的损失分布和VaR。他们以直观的图形格式将研究结果提交给高层管理层。
Modafferi使用MATLAB导入股票和股票指数报价的市场数据，以及默认情况下的十年率，违约损失，以及默认的曝光。他使用MATLAB创建了一个默认模型，通过扇区汇总数据。统计和机器学习工具箱使Modafferi能够执行扇区回归和相关分析，以评估多元化和信贷组合的集中的影响。
他使用MATLAB和统计和机器学习工具箱来模拟和运行Monte Carlo模拟，以通过分析数据融合来评估损耗分布的精确估计。模拟使他能够在特定时间段内以不同的置信区间确定损失的实体。
Modafferi使用MATLAB和统计和机器学习工具箱，开发了一种区分系统和特定风险的因素模型。除了缓解计算负担之外，该模型使Modafferi能够获得更有效的风险估计，并更有了解投资组合风险的性质。
Matlab帮助Modafferi显示模拟结果在分析和图形格式，包括直方图，丢失分布和收敛图形。他作为季度风险管理报告的一部分提供了他的调查结果，即银行管理用来制定战略决策，例如UBI投资组合的重新平衡。
Modafferi还使用Matlab和相关工具箱来开发内部定价系统，有助于评估交易和银行书籍的各种投资组合以及对冲政策来测试和整合外部套件。
快速，精确地分析超过700,000个信用风险敏感产品职位Modafferi解释道：“在蒙特卡罗模拟框架中管理数十万个职位是非常困难的，因为每个职位都是单独考虑的，并且是一个团队的一部分。”。“基于MATLAB高级矩阵的编程语言使我们能够减少大量的计算工作量，从而提高速度和精度。”
减少算法开发时间“MATLAB使我们能够在编写和优化算法时节省数小时的开发时间，从而最大限度地减少计算时间，”Modafferi说，“用其他低级编程语言实现我们的模型需要额外几个月的工作。”
可靠分析模型. “借助MathWorks工具，我们设计了一个原始且一致的模型，将科学文献、最佳实践、真实数据和银行的业务特点视为协商工具，”Modafferi说。“有了这些，我们对结果的来源充满信心。”
加入客户参考计划
您还可以从以下列表中选择一个网站：