PZU集团开发的市场风险模型偿付能力II指令符合性

为了计算市场风险，PZU需要在大约十几个内部会计和交易系统中处理不同格式的数据。PZU风险建模集团无法找到能够满足其需求的市售市场风险解决方案，审议了若干方面的发展。一个选项是一个用于符号数学计算的软件包，但此软件缺少文件处理和错误检查功能所需的组。

本集团以前使用Visual Basic for Application（VBA）开发了风险模型，但发现了这种方法的几个缺点。VBA的困难范围从令人厌烦 - 日期处理的月份和日期的切换，例如对优化求解器的结果更严重的担忧。

该集团需要一个开发环境，非典人可以用来开发完整的生产现出的市场风险解决方案 - 从数据收集和清洁到风险建模，蒙特卡罗模拟和var计算。他们希望通过利用多核处理器进行并行计算来加速计算。

PZU使用MATLAB建立一个全面的市场风险模型。

在MATLAB与统计和机器学习工具箱工作™，诺维茨基开发的算法，以进口和干净的数据从多种来源，包括会计和交易内部PZU系统和彭博时间序列市场数据。检查异常和错误的数据后，算法加入来自所有来源的数据，并将其转换为标准格式。

诺维茨基开发MATLAB时间序列的市场风险模型基于GARCH过程和所使用的清洗数据进行校准。对于每一个时间序列（包括利率，股票，货币，和索引），该模型评估PZU的当前位置。对于优惠券的债券，该模型计算使用金融工具箱™现金流日期。

Nowicki使用了MATLAB非线性优化功能Fminsearch在市场风险模型中拟合概率密度函数，最大限度地减少了实际和预期概率密度之间的差异。

为了加快这些优化，诺维茨基用于并行计算工具箱™同时执行他们的八核处理器。

使用该型号在Matlab中运行Monte Carlo模拟后，Nowicki的算法Pzu仪器，评估公司的位置，并计算VAR。

作为最后一步，诺维茨基创造了一个接口，其他分析师可以用它来运行模型和可视化效果，即使他们与MATLAB没有经验。这个接口和底层模型，现在在PZU用于生产。

• 市场风险模型的开发加速。“使用多种工具来开发一个财务模型可以是耗时而造成沟通上的困难，”诺维茨基说。“发展是与MATLAB更快，因为我可以在一个屋檐下做的一切，包括收集数据，使得与外部系统和供应商的连接，清理数据，进行数学计算和优化，并报告结果。”
• 生产系统提供的非程序员。“我的背景是经济，而不是编程，”笔记诺维奇。“虽然我不认为自己是一个伟大的程序员，MATLAB让我能够运用我的专业知识在金融，开发专有的市场风险模型，没有任何一家厂商能够提供给我们。”
• 计算时间减少将近85％。“当我立即使用并行计算工具箱进行多个时间序列时，处理时间从超过一分钟降至不到10秒，”诺基里说。“我惊讶地发现复杂的优化现在比数据收集和清洁完成了更短的时间。”