巴西人民银行联合分析信贷风险

为了建立他们的信用模型，UBI Banca需要根据每月的内部数据和每周的市场数据处理和分析数十万个数据点。用C或c++开发模型太费时了。

他们寻求一种计算环境，可以消除繁琐的手工编码，并使他们能够以可视的形式向上层管理人员展示结果。

UBI Banca使用MATLAB和统计和机器学习工具箱开发了一个基于默顿的信用模型，该模型确定了损失的分布和不同置信区间的VaR。他们以直观的图形形式向高层管理人员提交了调查结果。

Modafferi使用MATLAB导入市场数据，如股票和股票指数报价，以及内部数据，如十年利率、违约损失和违约风险敞口。他用MATLAB创建了一个默认模型，按扇区聚合数据。统计和机器学习工具箱使Modafferi能够执行行业回归和相关分析，以评估信贷组合多样化和集中的影响。

他使用MATLAB和统计和机器学习工具箱建模和运行蒙特卡罗模拟，通过分析数据收敛来评估损失分布的精确估计。这些模拟使他能够确定特定时间段内不同置信区间内的损失实体。

利用MATLAB和统计和机器学习工具箱，Modafferi开发了一个区分系统风险和特定风险的因素模型。在减轻计算负担的同时，该模型使Modafferi能够获得更有效的风险估计，并对投资组合风险的性质有更深入的了解。

MATLAB帮助Modafferi以分析和图形格式显示仿真结果，包括直方图、损失分布和收敛图形。他将自己的发现作为季度风险管理报告的一部分发表，该行管理层利用这份报告做出战略决策，比如重新平衡UBI投资组合中的行业。

Modafferi还使用MATLAB和相关工具箱开发了一个内部定价系统，帮助评估交易和银行账簿的各种投资组合，以及对冲政策，以测试和集成外部套件。