“许多金融机构正在努力调整他们的模型，以适应当今市场的波动性和信贷供应有限。使用MathWorks产品，我们s manbetx 845可以在几天或几周内，而不是几个月，就能开发和部署模型，以响应新的市场状况。”
Peter W. Schweighofer，奥地利联合信贷银行
为了有效管理动荡的全球市场中的风险，金融机构必须迅速调整其内部金融模式。如果没有跨所有资产类别的一致市场和静态数据存储库，以及计算衍生和合成市场数据的简化流程，就不可能做出这些调整。
联合信贷银行奥地利银行(UniCredit Bank Austria AG)使用MathWorks工具开发了其市场数据计算引擎，计算所需的临近时间和收盘时的市场数据市场风险和性能管理。MATLAB®基于引擎集成在银行的统一市场数据(UMD)数据仓库中，可以通过银行现有的J2EE Web体系结构访问。
奥地利联合信贷银行(UniCredit Bank Austria)高级市场风险经理彼得·w·施weighofer解释说:“业务部门掌握着对当前市场状况、模型和算法的了解。”有了MathWorks工具，风险管理人员可以开发算法和金融模型，IT部门可以快速部署应用程序。因为我们可以改变我们的车型，并迅速投入生产，我们可以对新的市场数据和情况做出快速反应。”
银行内部的业务部门存储了相同市场数据的不同版本，并使用不同的系统计算派生数据。这种方法增加了维护开销，并且数据和处理算法的不一致性导致了高操作风险。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综合财务报表。”
银行还需要构建一个处理引擎，用于清理和计算派生数据。他们希望将这些数据提供给关注市场、运营和交易对手风险管理的团体;资产负债管理;市场一致性检查;和资本充足率。最后，为了给欧洲各地的子公司提供访问权限，奥地利联合信贷银行想要开发一个可以访问市场数据引擎的J2EE框架。
奥地利联合信贷银行使用MATLAB和MATLAB编译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要建立一个专有系统，熟悉交易产品的风险概况和重估功能，并在银行的其他地方使用MathWorks软件。s manbetx 845
关键的第一步是清理实时tick数据——每天从不同市场数据供应商收到的超过20,000种金融工具的1亿记录。使用MATLAB，业务团队开发了识别异常和缺失数据的算法，并可以通过插值或使用最后已知的良好数据来自动纠正它们。
他们还开发了计算即时和收盘时衍生的市场数据的算法，包括公司和美国国债信贷利差曲线、波动曲面、通胀掉期和零息收益率曲线。
使用Optimization Toolbox™，团队通过最小化模型预测结果与市场实际观察结果之间的误差函数来校准他们的模型。
该团队使用Financial Instruments Toolbox™计算债券收益率，使用Financial Toolbox™执行远期利率和短期利率未来条计算。
这些结果是根据历史市场数据和银行已经使用的现有算法进行回溯测试和验证的。
业务团队验证算法后，IT团队使用MATLAB编译SDK创建基于MATLAB的Java®类来自MATLAB程序。然后，他们将这些类部署到应用服务器，并对集成的系统进行企业部署测试。
目前，银行的数百名财务经理和交易员通过UMD进行市场整合、风险分析、报告和交易。
开发时间减少了50%。Schweighofer说:“使用MATLAB，我们可以专注于业务逻辑，而不是实现细节。”“我们可以在同一天在Java环境中部署一个算法，而不需要任何额外的编码。这种方法使我们的开发时间减少了一半，甚至更多。”
风险管理改进。Schweighofer说:“UMD现在是整个奥地利联合信贷银行与风险管理业务相关的所有交易活动的后端。“这是一个可扩展的数据引擎，我们可以迅速适应市场环境的波动。“集成系统加强了企业范围内数据的一致性和可靠性，这是本地和国际法规的要求。”
操作、审计和维护成本降低。Schweighofer说:“通过消除冗余系统、提高数据质量和可追溯性，我们改善了审计遵从性，这进一步降低了成本。”“每天花在手工数据管理任务上的时间从几个小时减少到不到30分钟，使我们的员工能够专注于更具战略性的活动。”
您也可以从以下列表中选择一个网站: