联合信贷银行奥地利开发和快速部署一个一致的，企业范围的市场数据引擎

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，数据和处理算法的不一致性导致了较高的维护开销操作风险．Schweighofer说:“我们需要在整个企业范围内进行数据管理，以确保在整个集团范围内取得一致的结果和健全的合并财务报表。”

银行还需要构造一个处理引擎，用于清理和计算派生数据。他们希望让与市场、运营和交易对手风险管理有关的团体能够访问这些数据;资产负债管理;市场符合性检查;还有资本充足率。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希望开发一个访问市场数据引擎的J2EE框架。

UniCredit Bank Austria使用MATLAB和MATLAB Compiler 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构建一个专有系统，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滴答数据——每天从各种市场数据供应商收到的超过2万个金融工具的1亿条记录。使用MATLAB，业务团队开发了识别异常和缺失数据的算法，并可以通过插入或使用最后已知的良好数据自动纠正它们。

他们还开发了计算实时和尾盘衍生市场数据的算法，包括企业和国债信贷利差曲线、波动曲面、通胀掉期和零息收益率曲线。

利用优化工具箱™，该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。

该团队使用金融工具工具箱™计算债券收益率，并使用金融工具箱™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该银行已经在使用的现有算法进行回溯测试和验证的。

一旦业务团队验证了算法，IT团队就使用MATLAB Compiler SDK创建基于MATLAB的Java^®类从MATLAB程序。然后，他们将这些类部署到应用服务器上，并对集成的系统进行了企业部署测试。

UMD目前由整个银行的数百名财务经理和交易员访问，用于市场整合、风险分析、报告和交易。