PZU集团为偿付能力II指令合规制定市场风险模型

为了计算市场风险，PZU需要在大约十几个内部会计和交易系统中处理不同格式的数据。PZU风险建模集团无法找到能够满足其需求的市售市场风险解决方案，审议了若干方面的发展。一个选项是一个用于符号数学计算的软件包，但此软件缺少文件处理和错误检查功能所需的组。

本集团以前使用Visual Basic for Application（VBA）开发了风险模型，但发现了这种方法的几个缺点。VBA的困难范围从令人厌烦 - 日期处理的月份和日期的切换，例如对优化求解器的结果更严重的担忧。

该集团需要一个开发环境，非典人可以用来开发完整的生产现出的市场风险解决方案 - 从数据收集和清洁到风险建模，蒙特卡罗模拟和var计算。他们希望通过利用多核处理器进行并行计算来加速计算。

PZU使用MATLAB建立综合市场风险模型。

使用统计和机器学习工具箱™，Novicki开发了从各种来源的进口和清洁数据的算法，包括来自彭博的内部PZU系统和时间序列市场数据的会计和交易数据。在检查异常值和错误的数据后，算法将从所有源加入数据并将其转换为标准化格式。

Nowicki基于GARCH过程开发了MATLAB的时间序列市场风险模型，并使用清洁数据来校准它。对于每次序列（包括利率，股票，货币和索引），该模型评估了PZU的当前位置。对于与优惠券的债券，模型使用Financial Toolbox™计算现金流日期。

Nowicki使用了MATLAB非线性优化功能Fminsearch在市场风险模型中拟合概率密度函数，最大限度地减少了实际和预期概率密度之间的差异。

为了加速这些优化，Nowicki使用并行计算工具箱™同时在八个核心处理器上同时执行它们。

使用该型号在Matlab中运行Monte Carlo模拟后，Nowicki的算法Pzu仪器，评估公司的位置，并计算VAR。

作为最后一步，诺基奇创建了一个接口，即使他们没有Matlab没有经验，也可以使用其他分析师来运行模型和可视化结果。该接口和底层模型现在用于PZU的生产。

• 市场风险模型发展加速。“使用多种工具开发金融模式可能是耗时的，导致沟通困难，”诺基里说。“MATLAB的发展是更快的，因为我可以在一个屋顶下做所有内容，包括收集数据，与外部系统和提供商进行连接，清洁数据，执行数学计算和优化，以及报告结果。”
• 由非编程器提供的生产系统。“我的背景是经济学，而不是编程，”Nowicki Notes。“即使我不认为自己是一个伟大的程序员，Matlab也使我能够在金融中应用我的专业知识，以开发一个没有供应商可以为我们提供的专有市场风险模式。”
• 计算时间减少高达85％。“当我立即使用并行计算工具箱进行多个时间序列时，处理时间从超过一分钟降至不到10秒，”诺基里说。“我惊讶地发现复杂的优化现在比数据收集和清洁完成了更短的时间。”