“MATLAB的数值计算和可视化能力令人难以置信!我们可以快速地对几十万个位置和相对聚集进行多达100,000次的模拟。”
Roberto Modafferi, Banche Popolari Unite
为了保护其投资组合并保持盈利，银行必须确定其潜力信用风险．然而，随着客户和市场数据呈指数增长，运行精确分析所需的大型计算可能具有挑战性。
意大利的Banche Poolari Unite（Ubi Banca），现在是Intesa Sanpaolo集团的一部分，使用Matlab开发的价值 - 风险（VAR）模型监控特定于特定的和行业组合信用风险®和统计和机器学习工具箱™．
“MATLAB允许我们管理大量数据并非常快速地生成令人印象深刻的情景，”Roberto Mogafferi，Some风险管理UBI Banca的分部。“这使得我们能够根据估计的投资组合分散和集中程度来监控信贷风险。”
UBI Banca使用MATLAB和统计和机器学习工具箱，开发基于MERTON的信用模式，以不同的置信区间确定损失和VAR的分布。他们以直观的图形格式向上层管理进行了调查结果。
Modafferi使用MATLAB导入市场数据(如股票和股票指数报价)和内部数据(如十年利率、违约损失和违约风险敞口)。他用MATLAB创建了一个默认模型，按扇区聚合数据。统计和机器学习工具箱使Modafferi能够进行行业回归和相关性分析，以评估信贷组合多样化和集中的影响。
他使用MATLAB、统计学和机器学习工具箱建模，并运行蒙特卡罗模拟，通过分析数据收敛性来评估损耗分布的精确估计。模拟使他能够确定在特定时间内不同置信区间的损失实体。
利用MATLAB、统计学和机器学习工具箱，Modafferi开发了一个区分系统性风险和特定风险的因素模型。在减轻计算负担的同时，该模型使Modafferi能够获得更有效的风险估计，并对投资组合风险的本质有更深入的了解。
MATLAB帮助Modafferi以分析和图形格式显示仿真结果，包括直方图、损失分布和收敛图形。他将自己的发现作为季度风险管理报告的一部分发表，银行管理层利用该报告做出战略决策，例如重新平衡UBI投资组合中的行业。
Modafferi还使用MATLAB和相关工具箱开发一个内部定价系统，帮助评估交易和银行账簿的各种投资组合，以及对冲政策，以测试和集成外部套件。
快速，准确分析超过70万信用风险敏感的投资组合头寸．“在蒙特卡罗仿真框架中管理数十万个职位将是非常困难的，其中每个位置都被单独地和作为组的一部分被认为，”Modafferi解释。“基于Matlab的基于高级矩阵的编程语言使我们能够减少大量的计算工作，从而导致速度和精度。”
减少算法开发时间．“MATLAB使我们能够以书写和优化算法节省几小时的开发时间，以最大限度地减少计算时间，”Modafferi说。“在其他低级编程语言中实施我们的模型将需要额外的几个月的工作。”
可靠的分析模型．“随着MathWorks工具，我们设计了一个原创和一致的模型，考虑了科学文学，最佳实践，真实数据和银行的商业特点作为谈判仪器，”Modafferi说。“有了这个，我们有信心在结果中来自哪里。”
加入客户参考计划
你也可以从以下列表中选择一个网站: