“许多金融机构都在努力他们的模型适应今天的市场波动和信贷的供应有限。使用MathWorks产品，我们s manbetx 845可以开发和响应在几天或几周内新的市场条件下部署模型，而不是几个月“。
奥地利联合信贷银行的Peter W. Schweighofer
为了有效地管理在动荡的全球市场的风险，金融机构必须迅速调整其内部的财务模型。进行这些调整没有持续的市场和静态数据存储库在所有资产类别和计算派生和合成市场数据，简化的程序是不可能的。
UniCredit Bank Austria AG使用MathWorks工具开发其市场数据计算引擎，该引擎计算所需的实时和每日结束时的市场数据市场风险和绩效管理。在MATLAB®基于引擎集成在世行的统一市场数据(UMD)数据仓库中，可以通过世行现有的J2EE Web体系结构进行访问。
奥地利联合信贷银行(UniCredit Bank Austria)高级市场风险经理彼得•w•施沃格弗(Peter W. Schweighofer)解释称:“对当前市场状况、模型和算法的知识掌握在业务部门。”有了MathWorks工具，风险管理人员可以开发算法和财务模型，而IT部门可以快速部署应用程序。因为我们可以对我们的模型进行修改，并迅速投入生产，我们可以对新的市场数据和条件做出快速反应。”
银行内部业务单位均存储不同版本的同一市场数据和计算使用不同的系统得出的数据。这种方法增加了维护开销，并且在数据的不一致性和处理算法有助于高操作风险。Schweighofer说:“我们需要全企业范围的数据管理，以确保一致的结果和健全的合并财务报表集团范围内”。
该银行也需要构建一个处理引擎用于清洁和计算得出的数据。他们想给访问该数据，以关注市场，运营和交易对手风险管理小组;资产负债管理;市场整合检查和资本充足率。最后，为了使遍布欧洲的子公司访问，联合信贷银行奥地利想开发一个J2EE框架，访问市场数据引擎。
UniCredit Bank Austria使用MATLAB和MATLAB Compiler SDK™开发UMD，并将其集成到银行的Web基础设施中。他们选择这些工具是因为他们想建立一个专有系统，熟悉交易产品的风险状况和重估功能，并在银行的其他地方使用MathWorks软件。s manbetx 845
一个关键的第一步是清理实时剔数据高达100万条记录为超过20,000的金融工具，从各个市场数据供应商每天接受。使用MATLAB，业务团队开发出识别异常和丢失的数据，可以通过插值或使用最后一次正确的数据自动纠正算法。
他们还开发算法来即时和结束日得出的市场数据，包括企业和国债的信用利差曲线，波动曲面，通胀互换和零息票收益率曲线计算。
随着优化工具箱™，该团队通过最小化模型预测的结果，并在市场上观察到的实际结果之间的误差函数校准模型。
该团队使用金融工具工具箱™来计算债券收益率，使用金融工具工具箱™来执行远期利率和短期利率以及未来条形图的计算。
结果被回测，并根据历史市场数据和已经在使用该银行现有的算法验证。
一旦业务团队验证了算法，IT团队就使用MATLAB Compiler SDK来创建基于MATLAB的Java®来自MATLAB程序的类。然后，他们将这些类部署到应用服务器，并对集成系统进行了企业部署测试。
UMD目前被银行的数百名金融经理和交易员访问，用于市场一致性、风险分析、报告和交易。
开发时间缩短了50％。“使用MATLAB，我们可以专注于业务逻辑而不是实现细节，”Schweighofer说。“我们可以当天在Java环境中部署算法，而不需要任何额外的编码。这种方法使我们能够将开发时间减少一半，甚至更多。”
改进了风险管理。“现在UMD是所有意大利联合信贷银行遍布奥地利银行相关的风险管理业务的贸易活动在后端，” Schweighofer说。“这是一个可扩展的数据引擎，我们可以在市场条件下迅速适应波动性。”该集成系统增强了企业级数据的一致性和可靠性，当地和国际法规的要求。
降低了操作、审计和维护成本。“通过消除冗余系统和提高数据质量和可追溯性，我们提高了审计合规性，从而进一步降低成本，” Schweighofer说。“时间每天花费在手动数据管理任务从几个小时减少到30分钟以内，使我们的员工专注于更具战略意义的活动。”
