雷·奥布莱恩,汇丰银行
乍一看,财务风险管理似乎与基于工程模型的设计没有什么共同之处。财务风险管理以数据为中心,高度多维,并部署到软件系统中。工程模型通常利用较少的、高度耦合的输入,通常嵌入到物理和电子硬件中。
在这两种情况下,经过验证的适合用途的模型是关键,可以在极端情况下延长产品生命周期,尽管时间跨度不同。良好的流程可以降低风险,如昂贵的交易错误或财务合规费用,而高完整性要求长期以来一直主导着工程设计。适合用途的车型还可以增加功能并推动进步,在汽车、设备或飞机上实现更具差异性的功能,并促进新的投资、贷款和创造流动性的产品。s manbetx 845
在这次演讲中,Ray讨论了金融风险技术堆栈是如何随着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开发文化而演变的。他还评估了好的模型开发和实现的关键重要性,以及他从其他行业的基于模型的设计中获得了什么见解。
记录日期:2017年10月4日
你好,我是金融部门的。
很高兴认识你。我能说什么?我没有任何机器人。我没有这些自动驾驶汽车。哇,伙计。一些很酷的东西。那真是太棒了。我要做的是,我试着用一点关于建模在金融中的意义来娱乐你们。我们在金融领域进行基于模型的设计,因为我们必须实际尝试并预测未来的可能性。这一切都是关于我们如何管理我们的资金,我们如何真正努力确保我们做了正确的决定。
关于汇丰银行的一点小贴士哇。我可以在下面看。我们分布在全世界67个国家。我们拥有约3800万客户。我还能告诉你什么小事实?我们讲144种语言。我个人不知道。所以我们是一家非常大的金融机构。你可能在英国听说过汇丰银行。但实际上,如果你想一想,无论何时你下飞机,你都会看到那些汇丰银行的标志。我们在世界上很多国家。所以我们在英国以外的地区非常非常大。
我们分为四类。RBWM是我们的零售银行。这就是你可能在大街上看到的东西,你可能知道、喜欢或讨厌的东西。不知道。CMB是我们的企业银行,我们借钱给MathWorks这样的公司。我们最近借过钱吗?我不知道。GB&M是我们的投资银行。这就像你在电视上看到的所有交易大厅一样,所有人都在大喊大叫,看着屏幕,看着东西上下波动。他们这样做,实际上,是故意的,为了大喊大叫。 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.
所以让我在批发时解释一下,然后试着解释一下。这样你就可以从你自己的角度来理解金融,基本上,从你自己的金融生命周期来理解金融。你就是这样。你开始与金融互动,从你小时候可能会有一个账户开始。然后你基本上,你知道,结婚并拥有一个child你自己。你需要买房子。你基本上开始考虑退休、储蓄等诸如此类的事情。这是一个人的正常生命周期。对于一家公司来说也是如此。
一家公司成立了。它很小。它正在做国内市场。然后,它渴望走向国际,因此它走向了区域。然后它开始走向世界各地。让我举个例子。有人知道伊莱的奶酪蛋糕吗?观众中有美国人吗?伊莱的奶酪蛋糕做得很好。所以他们于1940年在芝加哥开始。他们在后面。正如你所看到的,他们开始了他们的生命周期,在芝加哥变得越来越大。你看,他们建了一家面包店。他们进入零售业。然后他们在90年代初开始走向国际。他们需要筹集更多的资金来做到这一点。他们花了66年的时间才真正发明了瘦骨嶙峋的伊莱,这是非常不幸的。你知道,在那之前吃减肥药会很好。最终,他们在白宫为奥巴马提供了伊莱奶酪蛋糕。你还能要求什么?公司的美好生命周期。
这些生活方式的每个阶段都需要资金。这就是我们的公司银行所做的,参与其中,帮助这些公司的生命周期。因此,我们在整个生命周期中提供服务,包括开办新业务、筹集初始资金、开始运营、优化it、扩张等等。这就是金融服务的基本运作方式。现在我要跳过这个。我喜欢跳绳。分析是如何参与到这一切中的?嗯,一点背景知识。
我们有大约60万、700人——650人,我们在世界各地的汇丰银行从事分析工作。我们所做的是尝试寻找并建立模型,预测我们的客户和业务的现金流和资金将发生什么。我们进行预测建模。因此,您可能已经在右侧看到了v形模型关于基于模型的设计。我相信你一定在图表的某个地方,在你的某个工程领域看到过。
左边是我们如何建立金融模型。它们实际上非常非常相似。只是我们做一个圆,你们做一个诉但你可以看到,我们要做的就是开始的定义我们想要做什么,进入一个模型开发、实施、验证、评审模型,批准,实施之后,然后连续模型的验证在生产中,然后在生命周期中反馈到下一代模型的创建,等等。这是一个连续的循环,很像右边的v形。
我们在建立什么样的模型?很多人试图预测如果。这里有个例子,我们把所有的交易账户,我们在世界各地的头寸。我们要做的就是模拟70年后的未来,看看所有可能发生的结果。很多令人震惊的事件,比如黑天鹅事件,所有这些你可能都听说过。然后试图预测会发生什么,通过大量的计算和大量的数据。
我们的MathWorks之旅。我们面临的最大问题是数据,我认为几乎每个人都面临这个问题。我们大部分时间都在尝试访问数据、操作数据,并将数据置于足够好的状态,以便用于建模。实际的模型构建本身实际上是生命周期中最短的部分。这是一种数据操作,实际上需要最长的时间才能使其进入干净状态,并使其达到可用于建模的状态。我想很多人会发现这和我们的情况是一样的。
因此,我们使用MATLAB做的第一件事是查看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——生命周期的所有四个步骤。我们开始使用一些标准工具,我们建立了自己的工具箱。你会看到我们建立了一个叫做MDE的东西,这是我们建立模型的工具箱。然后我们建立一个执行环境,叫做MEE,用来使用MATLAB运行这些模型。因此,MDE是我们实际进行建模的开发环境。模型还包括所有用于建模的数据和文档。然后我们将该模型运行到可执行区域。生命周期的所有阶段使用MATLAB工具箱。
这是一个可爱的屏幕,上面有一些图形。这不是很好吗?有人告诉我,我应该总是显示一个图形,Josh。是的。因此,我们得到了一个很好的数据分析,我认为,看看这些数据的一些因子值,以及你可以对其中一些数据做什么预测。这就是我们的建模开发环境。那么呢我们正在做的是,我们使用MATLAB工具,与数据交互,然后在上面添加我们自己的元素,以便为许多金融模型建立一个标准的开发环境,然后将它们存储在同一个地方,然后将这些模型用于多个目的。
因此,它的生产端,MEE,正在生产中运行这些。然后我们为人们构建API来调用这些模型并实际使用它们。我们之所以这样做,是因为我们试图减少生产系统中由单独的技术部门对模型进行重新编码的数量。所以我们要做的是,让我们的模型开发无缝地流到一个可以被我们的生产系统使用的环境中。因此,如果你想到创建伪代码的范例,然后将其交给技术部门,然后由技术部门重写并在生产系统中实际实现,我们正试图摆脱这一步骤。我们试图直接进入一个模型,一个可以在生产中运行的模型。我相信这一定在什么地方引起了人们的注意。
这是我们执行环境的一个例子。打开一些前端屏幕,一点基于浏览器的前端屏幕,突然之间,你可以运行这些模型。然后你可以有一个合适的API调用。你可以将它们粘到你的生产系统和你每天做的事情的处理器中。在这种情况下,我们正在做一个credit围绕客户进行分析,查看其违约评级中的违约可能性。
现在我喜欢这张幻灯片,因为里面有一群脑袋着火的小人物跑来跑去。我很喜欢那个图标。所以我们现在在这张幻灯片的左边,试着看右边。我们最大的问题是我们的数据,我们有很多数据跨越许多不同的地理位置,跨越许多不同的地点,试图把所有的数据放到一个地方,然后以一致的方式清理它,它可以用于我们的建模环境。所以我们最大的问题是试图建立一个环境,在那里我们可以有一致的数据,然后在建模方面运行标准工具。
所以让我来告诉你们我们正在向哪里移动——云。我们总是喜欢云。如果你想到云计算和世界上正在发生的事情,如果你想到预测分析,你想到机器学习。想想10 20 30年前的我们。如果你想想机器学习,数学并没有改变那么多。并不是说有人发明了机器学习。我想大概是在70年代吧。那么到底发生了什么变化呢?真正发生变化的是,突然间,你可以在一个价格合理的环境中运行这些东西。
因此,在以前,实际运行深度学习或机器学习过程的地方,成本将是如此高昂。你就是不会这么做。突然,云技术出现了,使您能够真正开始使用这些新的预测技术。它们不是新的。只是你能做到。有了这些,你就可以突然想到你下一步想做什么的全新想法,我马上就要谈这个。但云是什么?突然之间,这个大灵丹妙药是什么。一个大的云突然出现在头顶上,突然,廉价的CPU出现了?
我能给你的最好的类比是,如果你回想1880年以前,每当你建造一座工厂,你都会建造一个锅炉。锅炉会坐在你的工厂旁边,它会为工厂发电。这实际上就是你经营工厂的方式,这很好。每个人都这样做。但问题是在工厂建成的时候在周末或者别的什么时候,锅炉必须停下来。实际上它有点低效。如果你真的生产了太多的电,你就没有其他地方可以把电送到。而且它是一对一的,锅炉到工厂。但是每个人都这样做了。
后来出现了一个人,我想是爱迪生,大约在1884年或5、6年。他发明了发电站。突然之间,将单独的锅炉连接到工厂实际上不再有意义了。我们为什么不从电网中汲取能量呢?如今,想要在工厂旁边建造自己的锅炉,你会被认为是有点疯狂。你会想从电网获取电力。如果你真的想要保守一点,也许你会从两个格子中得到它。你不会建造你自己的发电站,除非你非常非常非常非常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。
因此,汇丰银行和其他许多公司一样,拥有巨大的数据中心,其中包含我们多年来建造的大量硬件和设备。我们都为这些大数据中心感到自豪,这些中心拥有我们自己的计算机和设备,但有很多不同的类型。但实际上,云是发电站。突然之间,范式的转变是,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。云计算的价格比你实际拥有的要便宜一个数量级。
现在突然间,你有了CPU能力。你有记忆。你有足够的磁盘空间用机器学习和深度学习来做正确的预测分析项目。突然之间,所有这些项目开始有意义了。而在此之前,价格实在是太高了。你永远不会开始。你看了一眼就说,天哪,这要花我们一百万英镑。我们需要1000个cpu。没有人会在闲置的时候使用它们。现在,云突然出现了。 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.
因为我想做什么?我试着做预测分析。我试图预测未来,当然,这是不可能的。所以我做了很多统计,试图弄清楚市场走向,公司会发生什么。但我也想使用更好的技术。我想用机器学习。我想用深度学习。我想要引入越来越多的数据——不仅仅是我自己的数据,还有外部数据,以便更好地进行预测分析。突然之间,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弄清楚一家公司未来会发生什么,以及今天会发生什么。 And that's where you need the power of the cloud.
所以我们打算将云技术应用到汇丰银行。我们将减少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计算的产品。你知道,像谷歌或亚马逊或微软这样的大公司,你会有你的偏好,但他们是真正最大的三家公司。他们都提供不同的服务和技术。但最终,你必须把它看作是一个发电站。突然之间,你就会把自己挂在电网上。以前,你有自己的数据中心。
为什么我现在要对你们做这个演讲?因为这是分析领域发生的最大变革。现在,突然之间,通过这样做,它将允许你做建模技术,你以前从来没有做过。突然之间,它就会为你们打开一扇门让你们知道自己能做什么。一旦你进入了云,那么,你知道,标准工具就会出现——一点点Python,一点点[?或,?]位的MATLAB。你好,MATLAB。但它将为你打开一扇门,让你能够做一个比现在更大的分析集。这就是我对未来的看法。这就是我们要去的地方。 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网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。
本网站使用cookies来改善您的用户体验,个性化内容和广告,并分析网站流量。继续使用本网站即表示您同意我们使用cookies。请看我们的隐私政策了解有关cookie的更多信息以及如何更改设置。