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。财务风险管理是以数据为中心的、高度多维的,并部署到软件系统中。工程模型通常使用较少的、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,验证的、经过验证的适合于目的的模型都是关键,它们在极端情况下延长了产品的生命周期,尽管跨越了不同的时间范围。良好的流程可以降低风险,例如昂贵的交易错误或财务方面的遵从性费用,而高完整性要求长期以来一直是工程的主要内容。适合于特定用途的模型还增加了功能并推动了进展,使汽车、设备或飞机的功能更加多样化,并促进了新的投资、贷款和创造流动性的产品。下载188bet金宝搏
在本次演讲中,Ray讨论了金融风险技术堆栈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开发文化而演进。他还评估了良好的模型开发和实现的关键重要性,以及他从其他行业的基于模型的设计中获得的见解。
记录:2017年10月4日
你好,我是财务部的。
很高兴见到你。我能说什么?我没有任何的机器人。我没有这些自动驾驶汽车。哇,人。一些非常酷的东西。这真是奇妙的东西。我所要做的是我种的尝试,并与什么金融建模工具一点点招待你。我们这样做基于模型的设计在融资,因为我们必须实际尝试并预测可能的未来。而且它是所有关于我们如何管理我们的钱,我们实际上是如何努力确保我们在做正确的决定。
因此,有关汇丰哇有点高谈阔论。我可以在那里读了下去。我们在世界各地的67个国家。我们拥有约38万用户。还有什么其他的小其实我可以给你?我们讲144成多种语言。我个人不知道。所以,我们是一个非常大的金融机构。你可能会在英国听到汇丰银行。但实际上,如果你想想看,当你下车飞机,你会看到那些汇丰迹象。 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。RBWM是我们的零售银行。这可能是你在大街上看到的,也可能是你知道的,喜欢或讨厌的。不知道。招商银行,那是我们的公司银行,我们把钱借给像MathWorks这样的公司。我们最近有借过钱吗?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,所有的人都在大喊大叫,看着屏幕,看着东西上上下下。他们这样做,实际上,是故意的,你知道,是为了大叫。 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它然后尝试解释一下。所以你可以从你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,你开始和金融打交道,你可能会得到一个账户。然后你基本上,你知道,结婚,自己有一个孩子。你需要买房子。你开始考虑退休,储蓄,所有这些事情。这是一个人正常的生命周期。同样的情况也适用于公司。
一个公司开始。它很小。它做国内市场。那么它有愿望去国际,如此这般区域。然后,它开始去世界各地的国际化。因此,让我挑一个例子。任何人都知道伊莱的芝士?有没有在观众的任何美国人?伊莱的芝士做非常好的芝士蛋糕。于是,他们在1940年开始在芝加哥。 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.
在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,参与进来,帮助这些公司的生命周期。所以我们在整个生命周期中提供各种服务包括开始新业务,筹集初始资金,开始运营,优化,扩张等等。这就是金融服务的基本运作方式。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?有一点背景知识。
我们有大约六七百人,六百五十人,这就是我们在世界各地汇丰银行的数据分析。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企业的现金流和现金流会发生什么。我们做预测模型。你们可能在右边看到过,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,在你们的某个工程领域。
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。所以这是一种连续的循环,非常类似于右边的v型。
种型号,我们正在构建的?他们中的很多是试图预测会发生什么,如果。因此,这里是哪里,我们正在采取所有我们的交易账户,我们在世界各地的所有位置的例子。而我们做的是模拟未来走出70年代,望着那可能发生的所有结果。冲击,看着黑天鹅事件的地段,所有这些类型的东西,你可能听说过的。然后试图预测将与巨额的计算和海量数据的发生什么。
我们与MathWorks的旅程。最大的问题,我们的脸,我想几乎每个人的面孔,是数据。我们花更多的时间试图访问数据,处理数据,并把数据放到一个足够好的状态,我们就可以使用建模。实际构建模型本身实际上是一个生命周期最短的一部分。这是该数据操作实际花费的时间得到它的最长的量放入干净的状态,它让一个状态,然后就可以使用您的建模。我想很多人会发现,在共同与我们所拥有的。
因此,我们用MATLAB做的第一件事是研究模型的生命周期,看看它们如何帮助我们访问、研究数据、处理数据、构建和验证模型,然后将这些模型部署到生产中——生命周期的四个步骤。我们开始使用一些标准工具,并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,它是我们建立模型的工具箱。然后我们构建了一个执行环境,叫做MEE,用于使用MATLAB实际运行这些模型。MDE是我们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一个可执行的区域。生命周期的所有阶段都要用到MATLAB工具箱。
这是一个可爱的屏幕,上面有一些图表。这不是很好吗?我一直被告知我应该展示一个图表,乔希。是的。这里我们得到了一个很好的数据分析,我认为,一些数据的因子值以及你可以对一些数据做什么预测。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,在生产中运行这些。然后我们构建的API为人们所称这些模型和实际使用它们。为什么我们做,这是我们正在努力减少我们的生产系统实际上是由一个独立的技术部门重新编码的车型的量。所以,我们现在要做的就是从我们的模型开发的无缝流入,可以通过,实际上,我们的生产系统中使用的环境。所以,如果你想创建伪范式,然后移交,超过的技术部门谁再重写它,实际上实现它在生产系统中,我们试图摆脱那一步。我们正在努力实际上直接进入模型的东西,可以在生产中实际运行。我敢肯定,必须按门铃的地方。
下面是我们的执行环境的一个示例。打开一些前端屏幕,一些基于web的浏览器前端屏幕,突然之间,你就可以运行这些模型了。然后可以进行适当的API调用。你可以把它们粘到你的生产系统和你每天工作的处理器上。在这种情况下,我们会对客户进行信用分析,看看他们的违约评级有多大的潜力。
现在我喜欢这张幻灯片,因为那里有小人物跑来跑去,他们的头着火了。我很喜欢那个图标。所以我们现在在这张幻灯片的左边,试图到达这张幻灯片的右边。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,试图把它们都放在一个地方,然后以一致的方式进行清理,以便用于我们的建模环境。因此,我们最大的问题是尝试实际构建一个环境,在其中我们可以拥有一致的数据,然后在建模方面对其运行标准工具。
那么,让我来告诉你我们要去哪里——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年,20年,30年前的我们。如果你想想机器学习,数学并没有改变多少。这并不是说有人发明了机器学习。我想大概是在70年代。那么到底是什么改变了呢?真正改变的是,突然之间,你可以在价格合理的环境下运行这些东西。
那么,之前,实际运行的深度学习或机器学习的过程,费用会如此高昂。你只是不会做。所有的突发性,走来云,使你真正开始做一些的这些新的预测技术。他们不是新的。这只是你能做到这些。有了这样的,你可以一下子开始提出你想下一步要做什么全新的想法,我将谈谈第二。但是,什么是云计算?这是什么大的灵丹妙药突然。一个主要的云刚刚开销和所有突然,有便宜的CPU?
我能给你们的最好的类比是如果你回想1880年以前,无论你什么时候建工厂,你都会建锅炉。锅炉就在工厂旁边,为工厂发电。这就是你运营工厂的方式,这很好。每个人都这么做。但问题是,当工厂在周末停工时,锅炉就必须停工。这实际上是低效的。如果你生产了太多的电,你就没有其他地方可以发电了。这些都是一对一的,从锅炉到工厂。但每个人都这么做了。
后来出现了一个人,我想是爱迪生,大约在1884年,5岁或6岁的时候。他发明了一种叫做发电站的东西。突然之间,将单个锅炉连接到工厂就不再有意义了。为什么我们不都从电网中获取电力呢?现在,如果你想在工厂旁边建一个自己的锅炉,你会被认为是疯了。你想从电网获得电力。如果你真的想要保守,你可能会从两个格子中得到它。你不会建造自己的发电站,除非你非常非常非常非常非常非常非常非常大。同样的情况也发生在计算机领域。
因此汇丰银行,像许多其他公司一样,有巨额的硬件和设备的他们,我们多年来建立庞大的数据中心。而且我们所有的一切我们自己的计算机和运行存在的东西,但有很多不同类型的这些大的数据中心而感到骄傲。但实际上,什么云是电站。和所有突然,模式的转变是你不再需要有自己的锅炉和你自己的数据中心,就可以开始使用这个云。而且价格点,为云幅度便宜你确实有内部的秩序。
现在突然之间,你拥有了CPU的能力。你有记忆。你有足够的磁盘空间来做正确的预测分析项目,包括机器学习和深度学习。突然之间,所有这些项目都变得有意义了。而以前,价格实在是太高了。你永远不会开始。你只要看一眼就走了,天哪,我们就要花一百万英镑。我们需要1000个cpu。没有人会在空闲的时候使用它们。现在突然间,云出现了。 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.
因为我要做什么?我试着做预测分析。我试图预测未来,当然,这是不可能的。因此,我做了大量的统计,试图弄清楚市场将走向何方,公司将会发生什么。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真正弄清楚一家公司的未来和今天会发生什么。 And that's where you need the power of the cloud.
所以我们打算在汇丰银行采用云计算。我们将减少我们自己的数据中心占用空间。我们将开始使用一些基于云的新产品。你知道,像谷歌或亚马逊或微软这样的大公司,你会有自己的偏好,但它们是真正最大的三家。它们都提供不同的服务和技术。但是在一天结束的时候,你必须看看这个——它是一个发电站。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。
为什么我现在要给你们做这个演讲?因为这是分析领域最大的革命。现在,突然之间,通过这样做,它将允许你做你以前从来没有做过的建模技术。突然之间,它就会为你们打开一扇门,让你们知道自己能做什么。一旦你进入了云计算,那么,你知道,标准的工具就会出现——一点Python,一点[?或者,?)有点MATLAB。你好,MATLAB。但它将为你打开一扇门,让你可以做比现在更大的分析。这就是我对未来的展望。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.
你也可以从以下列表中选择一个网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。