PZU集团为偿付能力II指令合规开发市场风险模型

为了计算市场风险，PZU需要处理来自大约十几个内部会计和交易系统的不同格式的数据。由于无法找到一个能够满足市场需求的商业风险解决方案，PZU风险建模小组考虑了几个开发自己的方案。一个选择是一个用于符号数学计算的软件包，但该软件缺乏该小组所需的文件处理和错误检查功能。

该小组以前使用Visual Basic for Applications (VBA)开发了风险模型，但发现这种方法有几个缺点。VBA的困难从令人厌烦的(例如，在日期处理中切换月和日)到对优化求解器结果的更严重的担忧。

该团队需要一个开发环境，非程序员可以使用它来开发一个完整的、可用于生产的市场风险解决方案——从数据收集和清理到风险建模、蒙特卡罗模拟和VaR计算。他们希望利用并行计算的多核处理器来加速计算。

PZU使用MATLAB建立了一个全面的市场风险模型。

在MATLAB中使用统计和机器学习工具箱™，Nowicki开发了从各种来源导入和清除数据的算法，包括来自PZU内部系统的会计和交易数据以及来自彭博社的时间序列市场数据。在检查数据的异常值和错误后，算法将所有来源的数据连接起来，并将其转换为标准化格式。

Nowicki基于GARCH过程在MATLAB中开发了一个时间序列市场风险模型，并使用清理后的数据对其进行校准。对于每个时间序列(包括利率、股票、货币和指数)，模型评估PZU的当前位置。对于带有息票的债券，该模型使用财务工具箱™计算现金流日期。

Nowicki使用MATLAB的非线性优化函数fminsearch拟合市场风险模型中的概率密度函数，使实际概率密度与预期概率密度之间的差异最小化。

为了加速这些优化，Nowicki使用并行计算工具箱™在八核处理器上并发地执行这些优化。

在MATLAB中使用该模型运行蒙特卡罗模拟后，Nowicki的算法为PZU工具定价，评估公司的头寸，并计算VaR。

作为最后一步，Nowicki创建了一个界面，其他分析师可以使用该界面运行模型并可视化结果，即使他们没有MATLAB的经验。这个接口和底层模型现在在PZU的生产中使用。

• 市场风险模型建设加快。诺维茨基说:“使用多种工具来开发一个财务模型可能很耗时，还会导致沟通困难。”“使用MATLAB的开发速度更快，因为我可以在一个屋檐下完成所有事情，包括收集数据，与外部系统和提供商建立连接，清理数据，执行数学计算和优化，并报告结果。”
• 由非程序员交付的生产系统。诺维茨基说:“我的专业是经济学，不是编程。“尽管我不认为自己是一个伟大的程序员，MATLAB使我能够应用我在金融方面的专业知识来开发一个专有的市场风险模型，没有任何供应商可以为我们提供。”
• 计算时间减少了85%。诺维茨基说:“当我开始用并行计算工具箱一次优化多个时间序列时，处理时间从一分钟多缩短到不到10秒。”“我惊讶地发现，复杂的优化现在比数据收集和清理所需的时间更短。”