雷O ' brien,汇丰银行
乍一看,财务风险管理似乎与基于工程模型的设计没有什么共同之处。财务风险管理以数据为中心,高度维度,并部署到软件系统中。工程模型通常利用较少的、高度耦合的输入,通常嵌入在物理和电子硬件中。
在这两种情况下,经过验证的符合目的的模型都是关键,它们在极端情况下扩展产品生命周期,尽管跨越了不同的时间范围。良好的流程可以降低风险,比如昂贵的交易错误或金融中的合规费用,而高完整性要求长期以来一直主导着工程。适合用途的模型还可以增加功能并推动进程,使汽车、设备或飞机具备更多不同的功能,并促进新的投资、贷款和创造流动性的产品。下载188bet金宝搏
在本次演讲中,Ray将讨论金融风险技术是如何随着监管和地缘政治的变化、更大的数据集、新的建模技术以及快速变化的开发文化而演进的。他还评估了良好的模型开发和实现的关键重要性,以及他从其他行业基于模型的设计中获得的见解。
记录日期:2017年10月4日
嗨,我来自金融。
很高兴认识你。我还能说什么呢?我没有任何机器人。我没有这些自动驾驶汽车。哇,人。一些很酷的东西。这真的是很棒的东西。我要做的是,我要试着给你们讲一点金融建模的意义。我们在金融领域做基于模型的设计因为我们必须尝试预测未来的可能性。这都是关于我们如何管理我们的钱,我们如何确保我们正在做正确的决定。
所以关于汇丰魔兽人的小斯皮尔。我可以在那里读下来。我们在全球67个国家。我们拥有大约3800万客户。我可以给你什么其他的小事吗?我们说144种语言。我个人没有。所以我们是一个非常大的金融机构。您可以在英国听到汇丰银行。但实际上,如果你想到它,每当你下飞机时,你会看到那些汇丰标志。 We're in an awful lot of countries around the world. So we're very, very large outside of the UK.
我们被分成四个区域。RBWM,那是我们的零售银行。这就是你可能在大街上看到的,你可能知道,喜欢或讨厌的东西。不知道。招商银行,这是我们的公司银行我们借钱给MathWorks这样的公司。我们最近有没有借钱给别人?我不知道。GB&M,那是我们的投资银行。这就像你在电视上看到的所有交易大厅里,所有人都在大喊大叫,盯着屏幕看涨跌。事实上,他们是故意这么做的,为了大喊大叫。 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.
所以让我来解释一下这个问题并试着解释一下。所以你可能会从自己的角度来理解金融,基本上,你自己的金融生命周期。就是这样。当你还是个孩子的时候你就开始和金融打交道了。然后你基本上,你知道,结婚,自己生孩子。你需要买房子。你会开始考虑退休,储蓄,诸如此类的事情。这是一个人正常的生命周期。公司也可以这样做。
公司开始。它很小。它正在制作国内市场。然后它有愿望去国际,所以它是区域性的。然后它开始在世界各地进行国际。所以让我选择一个例子。任何人都知道Eli的芝士蛋糕吗?观众中有美国人吗?Eli的芝士蛋糕真的很棒的芝士蛋糕。所以他们始于1940年在芝加哥。 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.
这些生活方式的每一个阶段都需要资金。这就是我们的公司银行所做的,参与进来,帮助这些公司的生命周期。所以我们提供的服务贯穿整个生命周期,包括开始一个新的业务,筹集初始资金,开始你的运营,优化它,扩展等等。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。分析学是如何参与到这一切中的呢?好吧,讲一点背景知识。
我们大约有600 700人,650人,我们在汇丰银行的全球范围内进行分析。我们所做的就是尝试,观察和建立模型来预测我们的客户和业务的现金流和资金将会发生什么。我们做预测模型。所以你可能已经在右边看到了,关于基于模型的设计的v形模型。我相信你们一定在图表中看到过,在你们的某个工程领域中。
左边是我们如何建立金融模型。它们实际上非常非常相似。只是我们做一个圆,你们做一个诉但你可以看到,我们要做的就是开始的定义我们想要做什么,进入一个模型开发、实施、验证、评审模型,批准,实施之后,然后连续模型的验证在生产,然后反馈在生命周期回下一代模型的创建,等等。所以这是一种连续循环,和右边的v型很像。
我们要建立什么样的模型?他们中的很多人都在试图预测如果。这是一个例子,我们把我们所有的交易账簿,我们在世界各地的所有头寸。我们要做的是模拟未来的70年,看看所有可能发生的结果。很多令人震惊的黑天鹅事件,所有这些你可能听说过。然后通过大量的计算和数据来预测会发生什么。
我们与Mathworks的旅程。我们遇到的最大问题,我认为几乎每个人都面临数据。我们花费大部分时间尝试访问数据,操纵数据,并将数据放入足够好的状态,然后我们可以用于建模。实际模型构建本身实际上是生命周期的最短部分。这是数据操作,实际上需要最长的时间 - 使其进入干净状态,从而使其成为您可以使用的状态。我认为很多人会发现与我们拥有的共同点。
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。
这是一个可爱的屏幕,上面有一些图表。这不是很好吗?有人跟我说我应该给你看个图表,乔什。是的。所以我们得到了一个很好的数据分析,我认为,这些数据的一些因素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。
因此,它的生产方面,Mee,正在生产中。然后我们为人们打电话给这些模型并实际使用它们来构建API。为什么我们这样做是我们试图通过实际在我们的生产系统中通过单独的技术部门来减少模型的重读金额。所以我们想要做的是,我们的模型开发中的无缝流量是实际上我们的生产系统可以使用的环境。因此,如果您想到创建伪代码的范式,然后将其交给那个技术部门,然后将其重写并实际在生产系统中实现它,我们正试图摆脱这一步骤。我们正试图直接进入一个实际在生产中运行的模型。我相信必须在某个地方响铃。
下面是我们执行环境的一个例子。打开一些前端屏幕,一些基于浏览器的前端屏幕,突然之间,你就可以运行这些模型了。然后您就可以有一个合适的API调用。您可以将它们连接到您的生产系统和您每天所做的工作的处理器中。在这种情况下,我们正在对客户进行信用分析,看看他们的违约评级可能有多大的违约潜力。
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。
所以在以前,实际运行一个深度学习或机器学习过程,成本将是如此令人望而却步。你就是不会这么做。突然间,随着云的出现,你可以开始做一些新的预测技术。他们不是什么新鲜事。只是你能做到而已。有了它,你就能突然想出全新的想法,关于你接下来想做什么,我马上就会讲到。但是什么是云呢?这是什么灵丹妙药。一个主要的云突然出现,突然就有廉价的cpu了?
我能给你的最好的类比是,如果你回想1880年以前,无论什么时候你建造工厂,你都会建造锅炉。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,当工厂在周末停工时,锅炉必须关闭。这实际上是一种效率低下的做法。如果你真的生产了太多的电,你就没有其他地方可以发电了。这一切都是一对一的,从锅炉到工厂。但是每个人都这么做了。
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。
因此,与许多其他公司一样,汇丰银行拥有巨大的数据中心,在多年来我们建造的巨大的硬件和设备。我们都为这些大数据中心感到骄傲,所有自己的计算机和在那里运行的东西,但很多不同的类型。但实际上,云是电站的。而且突然间,范式转移是您不再需要拥有自己的锅炉和您自己的数据中心,可以开始使用此云。而云的价格点是您实际在内部所拥有的数量级。
现在,突然之间,你有了CPU的能力。你有记忆。你有足够的磁盘空间用机器学习和深度学习来做正确的预测分析项目。突然之间,所有这些项目都有了意义。而在此之前,价格是非常高的。你永远不会开始。你看了一眼就会说,天哪,这要花我们一百万英镑。我们需要1000个cpu放在那里。当它们闲置时,没有人会使用它们。现在,突然之间,云就出现了。 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。
为什么我现在要对你们做这个演讲?因为这是分析学领域发生的最大变革。现在,突然之间,通过这样做,它将允许你做建模技术你以前从来没有做过。突然之间,这将为你们打开一扇门,让你们知道自己能做什么。一旦你进入云计算,那么,你知道,标准的工具将会在那里——一点Python,一点[?或者?]一点MATLAB。你好,MATLAB。但它将为你打开一扇门,让你能够进行比现在更广泛的分析。这就是我对未来的看法。那就是我们要去的地方。 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.
您也可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
本网站使用cookie来改善用户体验,个性化内容和广告,并分析网站流量。如果您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策了解更多关于cookie和如何更改您的设置。