PZU集团开发偿付能力II指令合规的市场风险模型

为了计算市场风险，PZU需要处理来自十几个内部会计和交易系统的不同格式的数据。由于无法找到能够满足其需求的商业可用的市场风险解决方案，PZU风险建模小组考虑了几个方案来开发自己的方案。一种选择是一个用于符号数学计算的软件包，但这个软件缺乏小组所需的文件处理和错误检查能力。

该小组之前使用Visual Basic for Applications (VBA)开发了风险模型，但发现了这种方法的几个缺点。VBA的困难从令人厌烦的(例如在日期处理中切换月和日)到对优化求解器结果的更严重的担忧。

该团队需要一个非程序员可以使用的开发环境来开发一个完整的、生产就绪的市场风险解决方案——从数据收集和清理到风险建模、蒙特卡罗模拟和VaR计算。他们希望利用多核处理器进行并行计算来加速计算。

PZU利用MATLAB建立了一个综合的市场风险模型。

在MATLAB中使用统计学和机器学习工具箱™，Nowicki开发了从各种来源导入和清理数据的算法，包括来自内部PZU系统的会计和交易数据，以及来自彭博社的时间序列市场数据。在检查数据中的异常值和错误值后，算法将来自所有来源的数据连接起来，并将其转换为标准格式。

Nowicki在MATLAB中开发了一个基于GARCH过程的时间序列市场风险模型，并使用清理后的数据对其进行校准。对于每个时间序列(包括利率、股票、货币和指数)，该模型评估PZU当前的头寸。对于有息票的债券，该模型使用Financial Toolbox™计算现金流日期。

Nowicki使用MATLAB非线性优化函数fminsearch来拟合市场风险模型中的概率密度函数，使真实概率密度与期望概率密度的差异最小。

为了加速这些优化，Nowicki使用Parallel Computing Toolbox™在一个八核处理器上并发地执行它们。

利用该模型在MATLAB中运行蒙特卡罗仿真后，Nowicki的算法对PZU仪器进行定价，评估公司的头寸，并计算VaR。

作为最后一步，Nowicki创建了一个界面，其他分析师可以使用它来运行模型并可视化结果，即使他们没有使用MATLAB的经验。这个接口和底层模型现在在PZU的生产中使用。

• 市场风险模型加快发展。Nowicki说:“使用多种工具来开发一个财务模型可能会很耗时，还会导致沟通困难。”“使用MATLAB的开发速度更快，因为我可以在一个平台上完成所有事情，包括收集数据、与外部系统和供应商连接、清理数据、执行数学计算和优化，以及报告结果。”
• 由非程序员交付的生产系统。“我的背景是经济学，不是编程，”Nowicki说。“尽管我不认为自己是一个伟大的程序员，但MATLAB让我能够运用我在金融方面的专业知识，开发出一个专有的市场风险模型，这是任何供应商都无法提供的。”
• 计算时间减少高达85%。“当我开始使用并行计算工具箱同时优化多个时间序列时，处理时间从一分钟多下降到不到10秒，”Nowicki说。“我惊讶地发现，现在完成复杂的优化所需的时间比数据收集和清理所需的时间还少。”