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。