互助银行联合分析信贷风险
挑战
解决方案
结果
- 快速、精确的分析超过700000投资组合信用风险敏感的位置
- 算法减少开发时间
- 可靠的分析模型
“MATLAB的数值计算和可视化功能是不可思议的!我们可以实现100000模拟成千上万的位置和相对快速聚合。”
Roberto Modafferi互助银行联合起来
保护他们的产品组合和保持盈利,银行必须确定潜力信用风险。与客户和市场数据呈指数级增长,然而,运行所需的大型计算精确的分析是很有挑战性的。
互助银行统一(UBI螃蟹船)的意大利,现在Intesa Sanpaolo集团的一部分,监控公司特有的和行业投资组合信用风险使用风险价值(VaR)模型和MATLAB开发®和统计和机器学习的工具箱™。
“MATLAB允许我们管理大量的数据和生成一个令人印象深刻的场景非常快,”罗伯托·Modafferi说,定量分析师风险管理无论何时分工螃蟹船。“这使我们能够监控信用风险的投资组合多样化,以及浓度的估计程度。”
挑战
解决方案
无论何时螃蟹船使用MATLAB和统计和机器学习工具箱开发Merton-based信贷模型,确定损失的分布和VaR在不同置信区间。他们发表了他们的发现高层管理在一个直观的图形格式。
Modafferi MATLAB用于进口市场数据,如股票和股票指数的报价,和内部数据,比如十年,损失给予违约,违约敞口。他创建了一个默认的模型与MATLAB,聚合数据的部门。统计和机器学习工具启用Modafferi执行部门回归和相关分析来评估信贷投资组合的多样化和浓度的影响。
他利用MATLAB和统计和机器学习工具箱模型和蒙特卡罗模拟来评估运行精确估计的损失分布通过分析数据融合。模拟使他确定损失在不同置信区间的实体在一个特定的时期。
使用MATLAB和统计和机器学习的工具箱,Modafferi开发出一种因子模型,区分系统和特定的风险。随着宽松的计算负担,模型使Modafferi获得更高效的风险估计和获得更多了解投资组合风险的性质。
MATLAB帮助Modafferi显示仿真结果分析和图形格式,包括直方图、损失分布,和收敛图形。他发表了他的发现作为季度风险管理报告的一部分,银行管理使用进行战略决策,如平衡行业无论在哪里的投资组合。
Modafferi还使用MATLAB和相关工具箱开发内部定价系统,帮助评估各种投资组合的交易和银行账户以及套期保值策略来测试和集成外部套件。
结果
快速、精确的分析超过700000投资组合信用风险敏感的位置。“这将是非常难以管理成千上万的职位在蒙特卡罗模拟框架,每个位置被认为是单独和作为一组的一部分,“Modafferi解释道。“MATLAB高层依赖于编程语言让我们减少大量的计算工作,导致速度和精度。
算法减少开发时间。“MATLAB使我们节约时间的开发时间在编写和优化我们的算法减少计算时间,“Modafferi说。“实现我们的模型在其他低级编程语言需要额外的数月的工作。”
可靠的分析模型。“MathWorks工具,我们设计了一个原始的和一致的模型,认为科学文献,最佳实践,真正的数据,和银行的业务特点作为谈判工具,“Modafferi说。”,我们有信心结果是从哪里来的。”