Ray 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,高度多维,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,通常嵌入到物理和电子硬件中。
在这两种情况下,经过验证的,验证的适用型号是关键,在极端情况下扩展产品生命周期,尽管在不同的时间视野中。良好流程对金融昂贵的交易错误或合规性收费等风险减轻了风险,而高完整性需求则具有长期占据主导的工程。适用性型号还增加了功能和驱动进展,使汽车,设备或平面上的功能更加区分,并促进新的投资,贷款和流动性创造产品。下载188bet金宝搏
在本次演讲中,Ray讨论了金融风险技术堆栈是如何随着监管和地缘政治变化、更大的数据集、新的建模技术和快速变化的发展文化而演变的。他还评估了良好模型开发和实施的关键重要性,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
你好,我是金融部门的。
很高兴认识你。我能说什么?我没有任何机器人。我没有这些自动驾驶汽车。哇,伙计。一些很酷的东西。那真是太棒了。我要做的是,我试着用一点关于建模在金融中的意义来娱乐你们。我们在金融领域进行基于模型的设计,因为我们必须实际尝试并预测未来的可能性。这一切都是关于我们如何管理我们的资金,我们如何真正努力确保我们做了正确的决定。
关于汇丰的一个小演讲——哇。我可以在下面看。我们在全球67个国家开展业务。我们大约有3800万客户。我还能告诉你什么小事实?我们会说144种语言。我个人不喜欢。我们是一个非常大的金融机构。在英国,你可能听说过汇丰银行。但实际上,如果你仔细想想,无论你什么时候下飞机,你都会看到汇丰银行的标志。 We're in an awful lot of countries around the world. So we're very, very large outside of the UK.
我们分为四类区域。RBWM,那是我们的零售银行。这就是你可能在大街上看到的,你可能知道的,爱或恨的。不知道。CMB,那是我们的公司银行,我们借钱给像MathWorks这样的公司。我们最近借钱给谁了?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,所有这些人都在大喊大叫,看着屏幕,看着事情上下波动。他们这样做,实际上,是故意的,你知道的。通常,当摄像机不在那里时,它们根本就不会发生什么,真的。然后是我们的私人银行,为全世界所有需要这种个人服务的非常富有的孩子提供服务。
让我稍微解释一下,试着解释一下。所以你可能会从你自己的角度来理解金融,基本上是你自己的金融生命周期。这就是你。当你还是个孩子的时候,你就开始和金融打交道了。然后你自己结婚生子。你需要买一栋房子。你基本上开始考虑退休,储蓄,诸如此类的事情。这是一个人正常的生命周期。同样的情况也适用于一个公司。
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.
这些生活方式的每个阶段都需要资金。这就是我们的企业银行所做的,参与其中,帮助这些公司的生命周期。所以我们在整个生命周期都提供服务比如创办新企业,筹集初始资金,开始运营,优化,扩张等等。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。分析学是如何参与其中的呢?好吧,先讲一点背景知识。
我们大约有600到700人,650人,我们在汇丰全球范围内进行分析。我们所做的就是试着观察并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。我们做预测建模。你们可能已经在右边看到了,关于基于模型的设计的v型模型。我相信你们一定在图表的某个地方见过,在你们的工程领域的某个地方。
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中,然后在生命周期中反馈到下一代模型的创建,等等。这是一个连续的循环,很像右边的v形。
我们正在建立什么样的模型?他们中的很多人都在试图预测如果发生这种情况会发生什么。这是一个例子,我们把我们所有的交易记录,我们在世界各地的所有头寸。我们要做的是模拟70年后的未来,看看所有可能发生的结果。很多关于黑天鹅事件的震惊,所有那些你可能听说过的事情。然后通过大量的计算和大量的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做的第一件事是查看一个模型的生命周期,并看看它们如何帮助我们访问、探索数据、处理数据、建立和验证模型,然后将这些模型部署到生产中——生命周期的所有四个步骤。我们开始使用一些标准工具,我们建立了自己的工具箱。你会看到我们建立了一个叫做MDE的东西,这是我们建立模型的工具箱。然后我们建立一个执行环境,叫做MEE,用来使用MATLAB运行这些模型。因此,MDE是我们实际进行建模的开发环境。模型还包括所有用于建模的数据和文档。然后我们将该模型运行到可执行区域。生命周期的所有阶段使用MATLAB工具箱。
这里有一个漂亮的屏幕,上面有一些图表。这不是很好吗?有人告诉我,我应该用图表,乔什。是的。所以这里我们得到了一个很好的数据分析,我想,看看这些数据的一些因子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。
所以它的生产方,即MEE,在生产中运行这些。然后我们建立api让人们调用这些模型并实际使用它们。我们这样做的原因是我们试图减少在我们的生产系统中通过一个独立的技术部门对模型的重新编码。所以我们想要做的是有一个无缝的流程,从我们的模型开发到一个可以被我们的生产系统使用的环境。所以,如果你想到创建伪代码的模式,然后把它交给技术部门,然后他们重写它,并在生产系统中实际执行它,我们试图摆脱这个步骤。我们试图直接进入一个模型一个可以在生产中运行的模型。我想这一定让你想起什么了。
以下是我们执行环境的示例。将一些前端屏幕放在上面,一些浏览器基于Web的前端屏幕,突然间,您可以运行这些型号。然后,您可以拥有合适的API调用。您可以将它们粘贴到您的生产系统中,并进入您在每天所做的内容的处理器。在这种情况下,我们在这里正在为客户进行信用分析,看看他们的默认潜力可能在默认评级上。
现在我喜欢这张幻灯片,因为里面有一群脑袋着火的小人物跑来跑去。我很喜欢那个图标。所以我们现在在这张幻灯片的左边,试着看右边。我们最大的问题是我们的数据,我们有很多数据跨越许多不同的地理位置,跨越许多不同的地点,试图把所有的数据放到一个地方,然后以一致的方式清理它,它可以用于我们的建模环境。所以我们最大的问题是试图建立一个环境,在那里我们可以有一致的数据,然后在建模方面运行标准工具。
所以让我来告诉你们我们正在向哪里移动——云。我们总是喜欢云。如果你想到云计算和世界上正在发生的事情,如果你想到预测分析,你想到机器学习。想想10 20 30年前的我们。如果你想想机器学习,数学并没有改变那么多。并不是说有人发明了机器学习。我想大概是在70年代吧。那么到底发生了什么变化呢?真正发生变化的是,突然间,你可以在一个价格合理的环境中运行这些东西。
因此,在以前,实际运行深度学习或机器学习过程的地方,成本将是如此高昂。你就是不会这么做。突然,云技术出现了,使您能够真正开始使用这些新的预测技术。它们不是新的。只是你能做到。有了这些,你就可以突然想到你下一步想做什么的全新想法,我马上就要谈这个。但云是什么?突然之间,这个大灵丹妙药是什么。一个大的云突然出现在头顶上,突然,廉价的CPU出现了?
而且我可以给你的最好的并行是如果你认为回到1880年,以前,每当你建造一个工厂时,你就会建造一个锅炉。锅炉可以坐在你的工厂旁边,它会为工厂发电。这实际上是你如何运行你的工厂,这很好。每个人都这样做了。但问题是当工厂在周末或其他任何时候被下来时,锅炉必须倒下。它实际上是效率低下。如果实际上,你正在生产太多的电力,那么你就可以实际上可以获得电力。它全部均在一对一的基础上,锅炉到工厂。但每个人都这样做了。
后来出现了一个人,我想是爱迪生,大约在1884年或5、6年。他发明了发电站。突然之间,将单独的锅炉连接到工厂实际上不再有意义了。我们为什么不从电网中汲取能量呢?如今,想要在工厂旁边建造自己的锅炉,你会被认为是有点疯狂。你会想从电网获取电力。如果你真的想要保守一点,也许你会从两个格子中得到它。你不会建造你自己的发电站,除非你非常非常非常非常非常非常非常非常非常大。同样的事情也发生在计算机领域。
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,你有了CPU的能力。你有记忆力。您有足够的磁盘空间来实际使用机器学习和深度学习进行适当的预测性分析项目。突然之间,所有这些项目都开始有意义了。以前,价格点太高了。你永远不会开始。你只要看一眼就走,天哪,这会花掉我们一百万英镑。我们需要1000个CPU就在那里。当它们闲置时,没有其他人会使用它们。现在突然,云彩出现了。这就是过去几年突然发生的事情,什么?五年。这就是为什么你会看到机器学习的巨大繁荣。我们也接受这一点。
因为我想做什么?我试着做预测分析。我试图预测未来,当然,这是不可能的。所以我做了很多统计,试图弄清楚市场走向,公司会发生什么。但我也想使用更好的技术。我想用机器学习。我想用深度学习。我想要引入越来越多的数据——不仅仅是我自己的数据,还有外部数据,以便更好地进行预测分析。突然之间,我可以开始使用社交媒体数据了。我可以开始使用互联网数据来帮助我弄清楚一家公司未来会发生什么,以及今天会发生什么。 And that's where you need the power of the cloud.
所以我们打算将云技术应用到汇丰银行。我们将减少自己的数据中心占用空间。我们将开始使用一些新的基于云计算的产品。你知道,像谷歌或亚马逊或微软这样的大公司,你会有你的偏好,但他们是真正最大的三家公司。他们都提供不同的服务和技术。但最终,你必须把它看作是一个发电站。突然之间,你就会把自己挂在电网上。以前,你有自己的数据中心。
为什么我现在要对你们做这个演讲?这是因为这是分析领域正在发生的最大革命。现在,突然之间,通过这样做,它将允许您使用以前从未使用过的建模技术。突然之间,它会为你们打开一扇大门,让你们知道你们能做什么。一旦你进入云端,那么,你知道,标准的工具将会有一点Python,一点[?或者,,]位的MATLAB。你好,MATLAB。但这将为你打开一扇大门,让你可以做比现在更大的分析。这就是我对未来的展望。这就是我们要去的地方。这就是为什么我们要与MATLAB合作,让MATLAB在云上运行,使用所有不同的云服务,并确保我们今天在内部构建的东西在未来也能运行。我想我完了。非常非常感谢。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。