Ray O'Brien,汇丰银行
乍一看,金融风险管理可能与基于工程模型的设计似乎不大。财务风险管理是以数据为中心的,高度的,并部署到软件系统中。工程模型通常绘制更少,高耦合的输入,通常嵌入物理和电子硬件。
在这两种情况下,经过验证的,验证的适用型号是关键,在极端情况下扩展产品生命周期,尽管在不同的时间视野中。良好流程对金融昂贵的交易错误或合规性收费等风险减轻了风险,而高完整性需求则具有长期占据主导的工程。适用性型号还增加了功能和驱动进展,使汽车,设备或平面上的功能更加区分,并促进新的投资,贷款和流动性创造产品。s manbetx 845
在这次谈话中,Ray讨论了金融风险技术堆栈如何以应对监管和地缘政治变化,更大的数据集,新的建模技术和快速变化的发展文化而发展。他还评估了良好的模型开发和实施的重要意义,以及他在其他行业中取得了基于模型的设计的洞察力。
记录日期:2017年10月4日
你好,我是财经的。
很高兴认识你。我还能说什么呢?我没有任何机器人。我没有这些自动驾驶汽车。哇,人。一些很酷的东西。这真的是很棒的东西。我要做的是,我要试着给你们讲一点金融建模的意义。我们在金融领域做基于模型的设计因为我们必须尝试预测未来的可能性。这都是关于我们如何管理我们的钱,我们如何确保我们正在做正确的决定。
我来简单介绍一下汇丰银行。我可以在下面读。我们的业务遍及全球67个国家。我们有3800万客户。我还能告诉你什么小事实?我们会说144种语言。我个人不喜欢。所以我们是一个非常大的金融机构。在英国,你可能听说过汇丰银行。但实际上,如果你仔细想想,只要你下飞机,你就会看到汇丰银行的招牌。 We're in an awful lot of countries around the world. So we're very, very large outside of the UK.
我们分为四种地区。RBWM,这是我们的零售银行。这就是你可能在高街上看到的东西以及你可能知道的东西和爱情或恨。不知道。CMB,这是我们的公司银行,我们向像MathWorks等公司借钱。我们最近借给了任何钱吗?我不知道。GB&M,这是我们的投资银行。这就像你在电视上看到的所有交易楼层,所有这些人都在喊叫并看着屏幕,看着事情上下。他们实际上是这样,故意喊叫,你知道。 Normally, when the cameras aren't there, they're just quite—not much happening at all, really. And then our private bank for all those very rich kids around the world who need that personal service.
所以让我在批发批发并尝试解释它。因此,您可能会在您自己的方式和基本上,您自己的金融生命周期理解金融。所以你是。你开始与财务互动,当你还是个孩子时,你可能会得到一个帐户。然后你基本上,你知道,结婚,让一个孩子自己。你需要买房子。你基本上开始思考退休,储蓄,所有这些类型的东西。这是一个人的正常生命周期。同样可以为公司绘制。
一个公司开始。它是小的。它做的是国内市场。然后,它有走向国际的抱负,所以它走向地区性。然后它开始在世界范围内国际化。我来举个例子。有人知道伊莱的芝士蛋糕店吗?听众中有美国人吗?伊莱的芝士蛋糕非常好吃。他们于1940年在芝加哥开始。 There they are back there. And as you can see, they started their life cycle in terms of getting bigger and bigger in Chicago. You see they built a bakery. They went into retail. Then they started going international in the early ’90s. They needed to raise more money to do that. It took them 66 years to actually invent the Skinny Eli, which is pretty unfortunate. You know, it would be nice to have the diet one before that. And then eventually, they got all the way to serving Eli's Cheesecake to Obama in the White House. What more could you ask? Beautiful life cycle of a company.
这些生活方式的每个阶段都需要融资。这就是我们公司银行所做的,就会参与其中,帮助这些公司的生命周期。因此,我们通过启动新业务,提高初始款项,从而开始您的业务来优化它,以便为扩建,ET QEERA提供服务。这基本上是金融服务的工作方式。现在我要跳过这个。我喜欢跳过。分析如何参与其中所有这些?嗯,一点点背景。
我们有大约600人,700人-650人,我们在世界各地的汇丰银行进入分析。我们所做的是,我们尝试寻找和构建模型,以预测通过您的客户和业务的现金流量和款项将发生的情况。我们做预测建模。所以你可能已经在右侧看到了关于基于模型的设计的V形模型。而且我相信你必须已经看到了一个图中的某个地方,在你的一个工程领域的某个地方。
在左侧是我们实际上建立金融模式的方式。它们实际上非常非常相似。这只是我们做一个圆圈,你们可以做一个v。但是你可以看到,我们所做的是我们开始定义我们想要做的事情,进入模型开发,实施,验证,审查模型,批准,实施然后,然后连续验证生产模型,然后在生命周期内送回生命周期,然后创建下一代模型等。所以它是一种连续循环,与右侧的V形非常相似。
我们要建立什么样的模型?他们中的很多人都在试图预测如果。这是一个例子,我们把我们所有的交易账簿,我们在世界各地的所有头寸。我们要做的是模拟未来的70年,看看所有可能发生的结果。很多令人震惊的黑天鹅事件,所有这些你可能听说过。然后通过大量的计算和数据来预测会发生什么。
我们的数学之旅。我们面临的最大问题,我想几乎每个人都面临的问题,就是数据。我们将大部分时间用于访问数据、操作数据,并将数据置于一个足够好的状态,以便随后用于建模。实际的模型构建本身实际上是生命周期中最短的部分。这是实际花费时间最长的数据操作——将其置于干净状态,并将其置于可用于建模的状态。我想很多人会发现这和我们的共同点。
因此,我们用MATLAB做的第一件事是研究一个模型的生命周期,并看看它们如何帮助我们访问、探索数据、处理数据、建立和验证模型,然后将这些模型部署到生产中——生命周期的四个步骤。我们开始使用一些标准的工具,并建立了自己的工具箱。你会看到我们构建了一个叫做MDE的东西,它是我们构建模型的工具箱。然后我们建立了一个执行环境,叫做MEE,用MATLAB来运行这些模型。因此,MDE是我们实际进行建模的开发环境。模型还包括用于建模的所有数据和文档。然后,我们将该模型运行到一个可执行区域。所以生命周期的所有阶段使用MATLAB工具箱。
这是一个可爱的屏幕,上面有一些图表。这不是很好吗?我被告知我总是应该展示一个图表,乔希。是。所以在这里,我们看起来是一个很好的数据分析,我认为,那种数据的某种因素值以及你可以用一些数据来做的预测的事情。这是我们的建模发展环境。所以我们正在做的是我们正在使用Matlab工具,与我们的数据进行交互,然后在其上添加我们自己的元素,以便我们为许多这些金融模型构建标准开发环境,然后储存它们都在同一个地方,然后使用这些模型进行多种目的。
所以MEE的生产部门,在生产过程中运行这些。然后我们建立api让人们调用这些模型并实际使用它们。我们这么做的原因是我们试图减少生产系统中单独的技术部门对模型的记录。因此,我们正在努力做的就是从我们的模型开发到一个可以被我们的生产系统使用的环境的无缝流动。所以,如果你想一下创建伪代码的范例,然后把它交给技术部门,然后他们重写它,并在生产系统中实际实现它,我们试图摆脱这一步。我们正在尝试直接进入一个模型可以在生产中运行。我相信你一定对我有印象。
以下是我们执行环境的示例。将一些前端屏幕放在上面,一些浏览器基于Web的前端屏幕,突然间,您可以运行这些型号。然后,您可以拥有合适的API调用。您可以将它们粘贴到您的生产系统中,并进入您在每天所做的内容的处理器。在这种情况下,我们在这里正在为客户进行信用分析,看看他们的默认潜力可能在默认评级上。
现在我喜欢这张幻灯片,因为上面有一些小的人,他们的头着火了。我很喜欢那个图标。所以我们现在在这张幻灯片的左边,试图到达这张幻灯片的右边。我们最大的问题是我们的数据,我们有很多数据,来自很多不同的地方,来自很多不同的地方,我们试图把它们汇集到一个地方,然后以一致的方式清理,以便可以用于我们的建模环境。因此,我们最大的问题是尝试建立一个环境,在那里我们可以拥有一致的数据,然后在建模方面运行标准工具。
那么,让我来谈谈我们的发展方向——云计算。我们总是喜欢云。想想云计算,想想世界上正在发生的事情,想想预测分析,想想机器学习。想想10年、20年、30年前的我们。如果你想想机器学习,数学并没有真正改变那么多。并不是有人发明了机器学习。我想大概是70年代吧。那么到底是什么改变了呢?真正改变的是,突然之间,你可以在一个价格合理的环境中运行这些东西。
所以在以前,实际运行一个深度学习或机器学习过程,成本将是如此令人望而却步。你就是不会这么做。突然间,随着云的出现,你可以开始做一些新的预测技术。他们不是什么新鲜事。只是你能做到而已。有了它,你就能突然想出全新的想法,关于你接下来想做什么,我马上就会讲到。但是什么是云呢?这是什么灵丹妙药。一个主要的云突然出现,突然就有廉价的cpu了?
而且我可以给你的最好的并行是如果你认为回到1880年,以前,每当你建造一个工厂时,你就会建造一个锅炉。锅炉可以坐在你的工厂旁边,它会为工厂发电。这实际上是你如何运行你的工厂,这很好。每个人都这样做了。但问题是当工厂在周末或其他任何时候被下来时,锅炉必须倒下。它实际上是效率低下。如果实际上,你正在生产太多的电力,那么你就可以实际上可以获得电力。它全部均在一对一的基础上,锅炉到工厂。但每个人都这样做了。
然后出现了一个人,我想是爱迪生,大概是在1884年或5年或6年。他发明了一个叫做发电站的东西。突然之间,将单独的锅炉连接到工厂实际上不再有意义了。为什么我们不全都从电网中获取电力呢?如今,想在工厂旁边建造自己的锅炉,你会被认为有点疯狂。你会想要从电网获得电力。如果你想保守一点,你可以从两个网格中得到它。你不可能建造自己的发电站,除非你非常非常非常非常非常大。同样的事情也发生在计算机领域。
汇丰银行,和许多其他公司一样,拥有庞大的数据中心,里面有大量的硬件和设备,这些都是我们多年来建立起来的。我们都为这些大数据中心感到骄傲,这些数据中心有我们自己的电脑和其他设备在运行,但是有很多不同的类型。但实际上,云是发电站。突然之间,模式的转变是你不再需要拥有自己的锅炉和数据中心,你可以开始使用这种云。而且,云计算的价格点比你内部实际拥有的便宜了一个数量级。
现在突然,你有CPU力量。你有记忆。您有磁盘空间实际上与具有深度学习的机器学习进行了适当的预测分析项目。突然间,所有这些项目都开始有意义。在之前,价格点太过于禁止。你永远不会开始。你有一个看,上帝,它会花费100万令人震惊。我们只需要1000个CPU。当他们空闲时,没有其他人会使用它们。现在突然,云就在那里。 That's what's all of a sudden happened over the last, what? Five years. And that's why you're seeing such a huge boom in machine learning. We're embracing that as well.
因为我在努力做什么?我在尝试预测分析。我在试着预测未来,当然,这是不可能的。所以我做了很多统计,试图弄清楚市场会走向何方,公司会发生什么。但我也想使用更好的技术。我想使用机器学习。我想用深度学习。我想引入更多的数据——不仅仅是我自己的数据,还有外部的数据,来做更好的预测分析。突然间,我可以开始使用社交媒体数据了。我可以开始使用互联网数据来帮助我了解未来一家公司会发生什么,以及现在会发生什么。 And that's where you need the power of the cloud.
所以我们打算把云应用到汇丰银行。我们将减少我们自己的数据中心占用空间。我们将开始使用一些新的基于云的产品。你知道,像谷歌、亚马逊或微软这样的大公司,你会有你的偏好,但它们是市场上最大的三个公司。他们都提供不同的服务和技术。但在一天结束的时候,你必须看到这是一个发电站。突然之间,你就能接入电网了。在此之前,您有自己的数据中心。
为什么我现在对你们做这个讲话?这是因为它是分析中发生的最大革命。现在,突然间,通过这样做,它将允许您以前从未做过的建模技术。突然间,就你可以做的事情打开你的家伙。一旦你进入了云,那么,你知道,标准工具将有一个python,bit [?或者,?] matlab的一点。你好,matlab。但它会打开门,让你做一个比你今天所拥有的更大的分析集。这是我对未来的愿景。这就是我们前往的地方。 And that's why we're working with MATLAB to get MATLAB running on the cloud with all the different cloud services and make sure that what we've built internally today is going to work for the future as well. I think I'm done. Thank you very, very much.
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳的网站性能。其他MathWorks国家网站没有针对您所在位置的访问进行优化。
本网站使用cookie来改善用户体验,个性化内容和广告,并分析网站流量。如果您继续使用本网站,即表示您同意我们使用cookies。请参阅我们的隐私政策要了解有关cookie的更多信息以及如何更改设置。