Ray O'Brien,汇丰银行
乍一看,金融风险管理可能会出现有什么共同之处与工程基于模型的设计。金融风险管理以数据为中心,高度尺寸,并部署到软件系统。工程模型通常汲取更少的,高度耦合的输入端,通常嵌入在物理和电子硬件上。
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。
记录时间:2017年10月4日
你好,我是金融部门的。
很高兴见到你。我能说什么呢?我没有机器人。我没有自动驾驶汽车。哇,人。一些很酷的东西。那真是太棒了。我要做的是试着给你们一点娱乐关于金融建模的意义。我们在金融领域做基于模型的设计因为我们必须尝试并预测未来的可能性。这都是关于我们如何管理我们的钱,我们如何确保我们在做正确的决定。
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.
因此,让我解释一下它在批发一点点,试图解释它。所以,你可能了解金融在自己的方面,基本上与自己的财务生命周期。你就在那儿。你开始的时候,也许你小时候你可能会得到一个帐户条款与金融互动。然后你基本上,你知道,结婚并有了自己的孩子。你需要买房子。基本上,你开始考虑退休,储蓄,所有这些类型的东西。这是一个人的正常生命周期。同样可以绘制一个公司。
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。
我们大约有600到700人,650人,我们在汇丰全球范围内进行分析。我们所做的就是试着观察并建立模型来预测我们的客户和业务的现金流和资金将会发生什么。我们做预测建模。你们可能已经在右边看到了,关于基于模型的设计的v型模型。我相信你们一定在图表的某个地方见过,在你们的工程领域的某个地方。
在左侧就是我们实际上是在财政建立模型。他们实际上是非常,非常相似。这只是我们做一个循环,即你们做了诉但是你可以看到,我们要做的是,我们开始了我们正在试图做一个定义,进入一个模型开发,实施,验证,审查模式,批准,然后实施,并在生产中的模型,然后在一个生命周期回创建下一代车型,等等的反馈的,然后不断的验证。因此,它是一种连续循环的,非常相似,在右侧的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。是的。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。
因此,它的生产方面,Mee,正在生产中。然后我们为人们打电话给这些模型并实际使用它们来构建API。为什么我们这样做是我们试图通过实际在我们的生产系统中通过单独的技术部门来减少模型的重读金额。所以我们想要做的是,我们的模型开发中的无缝流量是实际上我们的生产系统可以使用的环境。因此,如果您想到创建伪代码的范式,然后将其交给那个技术部门,然后将其重写并实际在生产系统中实现它,我们正试图摆脱这一步骤。我们正试图直接进入一个实际在生产中运行的模型。我相信必须在某个地方响铃。
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。
现在我喜欢这个幻灯片,因为有很少的人在火上跑去。我喜欢那个图标。所以我们在这一刻的左侧的左侧是非常多的,试图进入这个幻灯片的右侧。我们最大的问题是我们的数据,我们在许多不同地区的许多不同地域有很多数据,试图将它全部带入一个地方,然后以一致的方式清理它可以使用它对于我们的建模环境。因此,我们最大的问题正在尝试实际构建我们可以具有一致数据的环境,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。
所以在此之前,实际运行一个深度学习或机器学习过程,成本会非常高。你就是不愿意这么做。突然间,云技术的出现使您能够真正开始使用这些更新的预测技术。他们不是什么新鲜事。只是你能做到。有了这些,你就会突然对接下来要做的事情有了全新的想法,我马上就会讲到。但是什么是云呢?什么是突然之间的灵丹妙药。一个主要的云突然就出现了,然后就有了便宜的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。