作为全球第二大再保险公司，瑞士再保险必须考虑全球范围内的一系列风险因素。在过去的10年里，我们使用用MATLAB构建的核心风险模型——内部资本充足率模型(ICAM)计算风险度量，如风险值(VaR)和预期缺口®．然而，随着我们多年来不断扩展ICAM的能力，管理复杂性变得越来越困难。大量的相互依赖使得完全理解模型是如何工作的变得困难。
今年，为了使ICAM更容易理解、更新和维护，我们完成了一次重大的大修。我们将改进后的ICAM核心作为生产IT系统(集成风险分析与建模平台(IRAMP))提供，并通过在计算机集群上执行它们来加速风险建模计算。MATLAB、MATLAB Production Server™和MATLAB Parallel Server™使我们能够在不开发定制IT基础设施的情况下实现这两个目标。
应用面向对象编程提高ICAM的透明性和可维护性
ICAM旨在使风险报告人员了解约30万个风险因素对公司总经济资产负债表的总体影响。类别包括利率、股票价格、房地产价格、信贷息差和索赔通胀，以及操作风险、自然灾害和死亡率趋势。
在重写ICAM时，我们想让风险记者更容易看到这些因素是如何影响风险度量的。我们最有效的改变之一是在编写MATLAB代码时应用了更多面向对象的编程原则。今天的ICAM版本有超过75,000行MATLAB代码——全部在版本控制之下——包括400个数据类和250个风险因素和损失函数类。代码中的图形和对象类使我们能够增加ICAM中的用户界面数量，并以可维护的方式控制它们(图1)。
图1所示。ICAM用户界面。
构建用于风险分析的企业应用程序
从30万个风险因素中计算为期一年的VaR、预期缺口和其他风险度量是一个计算密集型过程，涉及到蒙特卡罗模拟，其中每个风险因素产生1,000,000个实现。我们使用统计和机器学习工具箱™进行回归、广义线性模型、数据压缩和准备，以及从各种分布中抽取随机样本进行蒙特卡罗模拟。
我们采用了一种由三部分组成的策略来构建企业IT应用程序，以管理此过程所需的冗长计算时间。首先，我们建立了一个计算集群，以支持并行计算与并行计算工具箱™和MATLAB并行金宝app服务器。其次，我们将流程分解为多个不同的工作流，包括验证、预处理、计算和评估。第三，我们使用MATLAB Production Server建立了一个生产IT框架，风险报告人员可以使用该框架在计算集群上执行多个工作流。
我们维护两个开发和维护ICAM的环境，一个用于生产，一个用于开发和培训。我们生产环境中的计算集群包括165个工人。我们的开发和培训环境有一个类似的计算集群，有111名工人(图2)。在开发和培训环境中验证了我们的ICAM应用程序后，我们使用MATLAB Compiler SDK™将其编译成一个独立组件，从而为在生产环境中部署做好了准备。
图2。用于开发和生产环境的IRAMP系统架构。
集群中的工人根据需要进行分配，以完成风险报告者发起的工作流。每个工作流都是从IRAMP web界面启动，并由MATLAB生产服务器协调。例如，为了开始这个过程，风险报告人启动验证工作流，它验证输入数据是否内部一致。接下来，他们开始预处理工作流，它将原始输入数据转换为风险模型可以使用的格式。在计算工作流，所有的蒙特卡罗模拟执行。这个工作流需要最多的工作人员和最多的时间来完成。结果作为快照存储在共享文件系统上一个200gb的文件中。在评估在工作流程中，风险报告人员使用我们创建的MATLAB应用程序从图像中查询结果，并执行假设分析。
从桌面到集群再到云
ICAM的改革和IRAMP的发展受到了风险记者的好评，因为该系统从一端到另一端都更加透明。虽然MATLAB提供了一个强大而高效的开发环境，通过在开发和生产环境中使用MATLAB Production Server和MATLAB Parallel Server，我们确保了一致的结果和在生产中增加的稳定性。
我们现在正与MathWorks的工程师合作，将IRAMP系统迁移到外部基于云的系统，比如微软®Azure®．这将提供更大的规模和更灵活的系统，使我们能够在需求较低的时期按比例缩小，从而降低成本，并在需求较高的时期按比例扩大，从而减少等待时间。
