雷·奥布赖恩,汇丰
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,验证,确认适合于目的的模型是关键,延长产品的生命周期之中极端情况,虽然在不同的时间跨度。良好的工艺减少对风险,如昂贵的金融交易错误或合规收费,而高完整性的要求已经长期占主导地位的工程。适合于目的的车型还增加功能和驱动器的进步,使更多的差异化功能上车,设备,或飞机,并促进新的投资,贷款和流动性创造产品。s manbetx 845
在这次讲座中,雷讨论如何金融风险的技术堆栈正在不断发展中应对监管和地缘政治的变化,更大的数据集,新的建模技术,与瞬息万变的发展文化。他还评估了良好的模型开发和实施,他已经从基于模型的设计采取了在其他行业有什么见解的极端重要性。
您好,我从财务来的。
很高兴见到你。我能说什么?我没有任何的机器人。我没有这些自动驾驶汽车。哇,人。一些非常酷的东西。这真是奇妙的东西。我所要做的是我种的尝试,并与什么金融建模工具一点点招待你。我们这样做基于模型的设计在融资,因为我们必须实际尝试并预测可能的未来。而且它是所有关于我们如何管理我们的钱,我们实际上是如何努力确保我们在做正确的决定。
因此,有关汇丰哇有点高谈阔论。我可以在那里读了下去。我们在世界各地的67个国家。我们拥有约38万用户。还有什么其他的小其实我可以给你?我们讲144成多种语言。我个人不知道。所以,我们是一个非常大的金融机构。你可能会在英国听到汇丰银行。但实际上,如果你想想看,当你下车飞机,你会看到那些汇丰迹象。 We're in an awful lot of countries around the world. So we're very, very large outside of the UK.
我们分成4种领域。RBWM,这是我们的零售银行。这就是你可能看到了大街上,你可能知道,爱或恨。不知道。CMB,这就是我们的企业银行,我们借钱给像MathWorks的公司。我们有没有借给任何金钱最近还好吗?我不知道。GB&M,这是我们的投资银行。这就像所有的交易大厅,你在电视上看到所有这些人都在喊,看着屏幕,看东西有涨有跌。他们这样做,实际上是有目的的,要喊,你知道的。 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。
一个公司开始。它很小。它做国内市场。那么它有愿望去国际,如此这般区域。然后,它开始去世界各地的国际化。因此,让我挑一个例子。任何人都知道伊莱的芝士?有没有在观众的任何美国人?伊莱的芝士做非常好的芝士蛋糕。于是,他们在1940年开始在芝加哥。 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.
在这些生活方式的每个阶段,资金都是必须的。这就是我们的企业银行所做的,参与进来,帮助这些公司的生命周期。所以我们提供的服务贯穿整个生命周期,从开始新业务,筹集初始资金,到开始运营,到优化它,到扩张等等。这基本上就是金融服务的工作方式。现在我要跳过这个。我喜欢跳绳。分析是如何参与其中的呢?好吧,讲一点背景知识。
我们在世界各地有大约600到700人,650人,在汇丰银行进行分析。我们所做的就是尝试观察并建立模型来预测我们的客户和我们的业务的现金流和资金将会发生什么。我们做预测建模。你们可能已经看到了右边的v形模型,关于基于模型的设计。我相信你们一定在图表的某个地方见过,在你们的某个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。
种型号,我们正在构建的?他们中的很多是试图预测会发生什么,如果。因此,这里是哪里,我们正在采取所有我们的交易账户,我们在世界各地的所有位置的例子。而我们做的是模拟未来走出70年代,望着那可能发生的所有结果。冲击,看着黑天鹅事件的地段,所有这些类型的东西,你可能听说过的。然后试图预测将与巨额的计算和海量数据的发生什么。
我们与MathWorks的旅程。最大的问题,我们的脸,我想几乎每个人的面孔,是数据。我们花更多的时间试图访问数据,处理数据,并把数据放到一个足够好的状态,我们就可以使用建模。实际构建模型本身实际上是一个生命周期最短的一部分。这是该数据操作实际花费的时间得到它的最长的量放入干净的状态,它让一个状态,然后就可以使用您的建模。我想很多人会发现,在共同与我们所拥有的。
所以我们用MATLAB做的第一件事是看模型和生命周期看他们如何能够帮助我们在两个访问,探索数据,处理它,构建和验证模型,然后部署这些模型投入生产,所有四个步骤的生命周期。我们开始使用一些标准的工具,我们建立了我们自己的一种工具箱。所以,你会看到有我们建立了一个名为MDE的事情,这是我们为我们建立模型的工具箱。然后,我们建立一个执行环境,称为MEE,对于实际使用MATLAB运行这些模型。所以,MDE是开发环境,我们实际上做的造型。该模型还包括所有的数据做模型和文档。然后,我们运行的模型通过成executionable区域。因此,使用MATLAB工具箱中的生命周期的所有阶段。
这是一个可爱的屏幕上面有一些图表。这不是很好吗?有人告诉我应该用图表来表示,乔希。是的。所以我们得到了一个很好的数据分析,我想,看一些数据的因子值以及你可以用这些数据做什么预测。这就是我们的建模开发环境。所以我们要做的是我们使用MATLAB工具,与我们的数据交互,然后添加我们自己的元素最重要的是让我们建立一个标准的开发环境,很多金融模型,然后将它们存储在同一个地方,然后使用这些模型有多种用途。
所以生产方面,MEE,在生产中运行这些。然后我们建立api让人们调用这些模型并实际使用它们。我们这么做的原因是我们试图减少模型的编码量通过一个独立的技术部门在我们的生产系统中。所以我们要做的是从模型开发到一个环境的无缝流程,这个环境实际上可以被我们的生产系统使用。所以,如果你想一下创建伪代码的范例,然后把它交给技术部门,由他们重写并在生产系统中实现它,我们正试图摆脱这一步。我们试图直接进入一个模型,一些可以在生产中运行的东西。我想这一定在什么地方引起了大家的注意。
这里是我们的执行环境的一个例子。放在一些前端屏幕,有点基于浏览器的Web的前端屏幕,和所有突然,您可以运行这些模型。然后,您可以有适当的API调用。你可以把它们粘合到生产系统,并为您的你每天做什么处理器。在这种情况下,我们在这里做各地的客户信用分析,望着眼前的默认潜力可能对他们的违约评级。
我喜欢这张幻灯片,因为这里有一些小矮人,他们的头着火了。我很喜欢那个图标。所以我们现在基本上是在这张幻灯片的左边,试着去到右边。我们最大的问题是我们的数据,我们有很多数据来自很多不同的地理位置,很多不同的地点,我们试着把它们都放到一个地方,然后用一致的方式清理它们以便用于我们的建模环境。因此,我们最大的问题是试图实际构建一个环境,其中我们可以有一致的数据,然后运行标准的工具在建模方面。
因此,让我和你谈谈我们对-云动地方。我们总是喜欢云。如果你对云和发生的事情在世界上,如果你想预测分析,你想想机器学习。你想想,我们10,20,30年前。如果你想学习机,数学还没有真正发生太大的变化。它不是像有人走了出去,本发明的机器学习。它实际上是各地,我认为,在上世纪70年代。那么究竟是什么发生了变化?什么是真正改变的是,一下子,你能够在运行这些东西的价格点是合理的环境中运行这些东西。
那么,之前,实际运行的深度学习或机器学习的过程,费用会如此高昂。你只是不会做。所有的突发性,走来云,使你真正开始做一些的这些新的预测技术。他们不是新的。这只是你能做到这些。有了这样的,你可以一下子开始提出你想下一步要做什么全新的想法,我将谈谈第二。但是,什么是云计算?这是什么大的灵丹妙药突然。一个主要的云刚刚开销和所有突然,有便宜的CPU?
我可以给你最好的水货,如果你认为回到1880年之前,当你建立了一个工厂,你会建立一个锅炉。而锅炉就坐在你旁边的工厂,它将为工厂发电。而这实际上是如何运行你的工厂,这是罚款。每个人都这样做。但问题是,当工厂下跌在周末或什么的,锅炉将不得不下降。它实际上是一种低效的。如果实际上你是生产过多的电力,有无处其实你可以得到的电力。而这一切都是在加上一对单的基础上,锅炉厂。但每个人都这样做。
然后来了一个人,我认为这是爱迪生,在1884年左右或5或6,他发明了一种叫电站的事情。突然之间的,具有连接到各个工厂锅炉居然没有意义了。为什么我们不都从电网汲取力量?如今,想建立一家工厂旁边自己的锅炉,你会是一种思想,作为一种疯狂的。你会想从电网的功率。如果你真的想成为保守的,也许你会从两个网格得到它。你不打算建立自己的发电站,除非你是非常,非常,非常,非常,非常,非常,非常,非常大。同样是发生在计算。
因此汇丰银行,像许多其他公司一样,有巨额的硬件和设备的他们,我们多年来建立庞大的数据中心。而且我们所有的一切我们自己的计算机和运行存在的东西,但有很多不同类型的这些大的数据中心而感到骄傲。但实际上,什么云是电站。和所有突然,模式的转变是你不再需要有自己的锅炉和你自己的数据中心,就可以开始使用这个云。而且价格点,为云幅度便宜你确实有内部的秩序。
现在,突然之间,你有CPU电源。你有记忆。你有磁盘空间,真正做到正确的预测分析项目的机器学习与深度学习。突然之间,所有这些项目启动决策意识。当前,价位实在是太高昂。你会不会开始。你必须一点看,去,上帝,这将花费我们一百万英镑。我们需要1000级的CPU只是坐在那里。和其他人将在他们的空闲地使用它们。现在所有的突然,云是存在的。 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.
因为我是什么要做的?我试图做预测分析。我试图预测未来,这当然是不可能的。所以,我做很多统计试图找出其中的市场将去,将与公司发生什么。但我也想用更好的技术。我想用机器学习。我想用深度学习。我希望把越来越多的数据,不只是我自己的数据,但随后外部数据实际做的更好的预测分析。突然间,我就可以开始使用社交媒体数据。我可以开始使用互联网的数据来帮助我真正弄清楚发生了什么事情与公司发生在未来,以及今天。 And that's where you need the power of the cloud.
因此,我们要采用云丰。我们要减少我们自己的数据中心的占地空间。而我们要开始使用这些新的基于云的产品的。你知道的,大的,像谷歌或亚马逊或微软,你有你自己的偏好,但他们三个真是最大的在那里。他们都提供不同的服务和技术。但在这一天结束时,你已经在这是,这是一个电力站得看看。突然间,你要自己钩到电网。凡之前,你有你自己的数据中心。
为什么我现在做的这个讲话,你们?这是因为它是这是发生在分析最大的革命。现在,突然之间,这样做,它会允许你这样做建模技术,你绝不可能做之前。突然间,它会在你能够做什么而言开门到你们。一旦你到云中,那么,你知道,标准工具将是Python的还有位[位?OR,?]位MATLAB的。你好,MATLAB。但是,它会打开大门,让你做一个更大的集分析比你有什么今天。这是我对未来的看法。这就是我们要去实现。 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.
记录:2017年10月4日