Ray O'Brien,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,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:2017年10月4日
你好,我是金融部门的。
很高兴见到你。我能说什么?我没有任何机器人。我没有这些自治车辆。哇,男人。有些真的很酷的东西。那真是很棒的东西。我要做的是我有点尝试,并稍微招待你的财务建模手段。我们在金融中进行基于模型的设计,因为我们必须实际尝试预测未来的可能性。这是关于我们如何管理我们的钱,我们实际上如何确保我们正在做出正确的决定。
关于汇丰的一个小演讲——哇。我可以在下面看。我们在全球67个国家开展业务。我们大约有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。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,无论你什么时候下飞机,你都会看到汇丰银行的标志。 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.
让我稍微解释一下,试着解释一下。所以你可能会从你自己的角度来理解金融,基本上是你自己的金融生命周期。这就是你。当你还是个孩子的时候,你就开始和金融打交道了。然后你自己结婚生子。你需要买一栋房子。你基本上开始考虑退休,储蓄,诸如此类的事情。这是一个人正常的生命周期。同样的情况也适用于一个公司。
公司开始。它很小。它正在制作国内市场。然后它有愿望去国际,所以它是区域性的。然后它开始在世界各地进行国际。所以让我选择一个例子。任何人都知道Eli的芝士蛋糕吗?观众中有美国人吗?Eli的芝士蛋糕真的很棒的芝士蛋糕。所以他们始于1940年在芝加哥。 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,需要融资。这就是我们的企业银行呢,是涉足,帮助这些企业的生命周期。因此,我们在开始一个新的业务,提高初始资金,在开始你的业务,它的优化,扩容,等等方面提供服务,一路走过生命周期。这基本上是如何的金融服务工作。现在,我要跳过此。我喜欢跳绳。如何分析涉足这一切?好了,背景的一点点。
我们有大约600,700人,650人,还有我们去,在分析汇丰世界各地。而我们做的是我们尝试着寻找和建立模型来预测什么会发生现金为我们的客户和我们的业务流和资金。而我们做的预测模型。所以,你可能已经看到在右边,大约基于模型的设计V形模型。我敢肯定,你一定已经看到图中的某个地方,某个地方在工程领域之一。
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。
我们正在建造什么样的型号?他们很多都试图预测如果发生的情况会发生什么。所以这就是我们在世界各地的所有贸易账簿的位置的一个例子。我们所要做的是模拟未来出去了70年,看着可能发生的所有结果。很多震撼 - 看着黑天鹅事件,所有你可能听到的东西。然后尝试预测巨大计算和大量数据会发生什么。
我们与Mathworks的旅程。我们遇到的最大问题,我认为几乎每个人都面临数据。我们花费大部分时间尝试访问数据,操纵数据,并将数据放入足够好的状态,然后我们可以用于建模。实际模型构建本身实际上是生命周期的最短部分。这是数据操作,实际上需要最长的时间 - 使其进入干净状态,从而使其成为您可以使用的状态。我认为很多人会发现与我们拥有的共同点。
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。
这里是一个可爱的画面,上面有一些图表。是不是很漂亮吧?有人告诉我,我总是应该显示的图形,乔什。是的。所以在这里我们得到的是在看,我觉得一个很好的数据分析,一些种类和数据的因子值,你可以用一些数据做预测的事情。这就是我们的模型开发环境。所以我们正在做的是我们使用MATLAB的工具,我们的数据交互,然后加入我们自己最重要的是元素,让我们建立一个标准的开发环境,很多这些金融模型,然后存储然后他们都在同一个地方,并使用这些模型用于多种用途。
因此,它的生产方面,MEE,在生产中运行这些。然后我们构建的API为人们所称这些模型和实际使用它们。为什么我们做,这是我们正在努力减少我们的生产系统实际上是由一个独立的技术部门重新编码的车型的量。所以,我们现在要做的就是从我们的模型开发的无缝流入,可以通过,实际上,我们的生产系统中使用的环境。所以,如果你想创建伪范式,然后移交,超过的技术部门谁再重写它,实际上实现它在生产系统中,我们试图摆脱那一步。我们正在努力实际上直接进入模型的东西,可以在生产中实际运行。我敢肯定,必须按门铃的地方。
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,因为几乎没有人与他们的火头上跑来跑去。我不喜欢那个图标。所以,我们非常在眼下这个幻灯片的左侧,试图让这个幻灯片的右侧。而我们最大的问题是我们的数据,在这里我们有很多在许多,许多不同地域的数据,在许多不同的地点,试图把它所有到一个地方,然后以一致的方式清理的地方,可以使用我们的建模环境。因此,我们最大的问题是试图真正建立一种环境,让我们可以在造型方面一致的数据,然后运行标准工具反对。
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。
所以在之前,实际运行了深度学习或机器学习过程,成本会如此令人望而却步。你不会这样做。突然间,云端可以让您实际开始执行这些新的预测技术。他们不是新的。它只是你能够做到这一点。与此同时,你可以突然开始突然出现在你想做的事情的全新想法,我将在一秒钟内谈论。但云是什么?这是什么大的灵丹妙药突然间。一个主要的云刚刚出场,突然间,有便宜的CPU?
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。
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,与许多其他公司一样,汇丰银行拥有巨大的数据中心,在多年来我们建造的巨大的硬件和设备。我们都为这些大数据中心感到骄傲,所有自己的计算机和在那里运行的东西,但很多不同的类型。但实际上,云是电站的。而且突然间,范式转移是您不再需要拥有自己的锅炉和您自己的数据中心,可以开始使用此云。而云的价格点是您实际在内部所拥有的数量级。
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(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。