Inżynieria finansowa wykorzystuje matematykę finansową oraz metody numeryczne w celu wspomagania tradingu, inwestowania czy zarządzania ryzykiem finansowym. Szerokie zastosowanie mają tu również modele fizyczne, które z powodzeniem znajdują swoje zastosowanie w finansach. Tradycyjnie powiązany z wyceną instrumentów finansowych i analizą ryzyka termin inżynieria finansowa jest również często odnoszony do wszelkich analiz ilościowych związanych z finansami.

Dzięki standaryzacji w oparciu o produkty MathWorks zespoły profesjonalistów z branży usług finansowych, wykorzystując matematykę finansową i metody numeryczne:

• budują i implementują modele finansowe, pozwalające w sposób kompleksowy analizować dane, wizualizować wyniki oraz tworzyć dedykowane rozwiązania zgodnie z regulacjami rynkowymi;
• szacują i analizują ryzyko rynkowe, kredytowe czy operacyjne;
• rozwiązują problemy optymalizacyjne;
• stosują wyrafinowane narzędzia analityczne takie jak sieci neuronowe czy algorytm genetyczny.

Symulacja Monte-Carlo

Narzędzia MathWorks pozwalają m.in. używać metody Monte Carlo do modelowania i symulacji kompleksowych systemów finansowych o wiele szybciej niż przy użyciu arkuszy kalkulacyjnych czy tradycyjnych języków programowania takich jak C++ lub Visual Basic. Złożone symulacje Monte Carlo wymagają z reguły dużej mocy obliczeniowej. Środowisko MATLAB pozwala zdecydowanie skrócić czas tych symulacji dzięki zastosowaniu obliczeń równoległych i możliwości wykorzystania dodatkowego hardware’u np. karty GPU.

Wykorzystując środowisko MATLAB można opracowywać modele, które z wykorzystaniem tradycyjnych technik analitycznych są  skomplikowane i/lub czasochłonne. Obsługiwane funkcje obejmują m.in. szeroki zakres generatorów liczb quasi-losowych i losowych, łańcuchy Markowa, symulacje  Monte Carlo czy symulacje stochastycznych równań różniczkowych. Inżynierowie finansowi oraz matematycy aktuarialni korzystają z tych funkcji m.in. w zakresie:

• modelowania stóp procentowych;
• wyceny instrumentów finansowych;
• szacowania ryzyka operacyjnego, rynkowego czy kredytowego;
• wyceny projektów finansowych, produktów strukturyzowanych czy opcji rzeczywistych;
• przeprowadzania analiz „co-jeśli”.

Bogactwo i różnorodność funkcji dostępnych w środowisku MATLAB upraszcza tworzenie i rozwój miar ryzyka bazujących na symulacji Monte Carlo. Dodatkowo zaawansowana analityka poza standardowymi metodami (np. Value at Risk) pozwala wykorzystać w tym względzie również metody związane z teorią wartości ekstremalnych (EVT).

Analiza szeregów czasowych

Inżynierowie finansowi, analitycy i ekonomiści na całym świecie korzystają z możliwości środowiska MATLAB w zakresie analizy szeregów czasowych do prognozowania zmienności rynku, analizy korelacji w serii danych, badania hipotez dotyczących dynamiki rynku czy budowy modeli do symulacji przyszłych wyników.

Środowisko obliczeniowe MATLAB pozwala na akwizycję, wizualizację oraz analizę historycznych i bieżących (real-time) finansowych szeregów czasowych w celu identyfikacji cechujących ich wzorców lub złożonych relacji. W ramach tego jednorodnego środowiska można m.in:

• pozyskać dane z wielu źródeł, w tym plików, arkuszy kalkulacyjnych, baz danych i dostawców danych czasu rzeczywistego;
• przechowywać dane w obiektach „finansowy szereg czasowy” w celu uproszczenia zarządzania tymi danymi;
• przeprowadzać analizę techniczną wykorzystującą średnie ruchome, oscylatory czy modele stochastyczne.

Można budować modele i estymować ich parametry używając tradycyjnych technik, takich jak systemy rozwiązywania równań różniczkowych zwyczajnych, regresja wieloczynnikowa lub za pomocą technik optymalizacyjnych dla dopasowania modeli do szeregów czasowych. Alternatywnie, możliwe jest zastosowanie specjalistycznych technik modelowania, takich jak ARMAX/GARCH, VAR/VARMA, liniowe i nieliniowe stochastyczne równania różniczkowe.

Podstawowe narzędzia pozwalające pracować na finansowych szeregach czasowych znajdują się w Financial Toolbox™,  natomiast Econometrics Toolbox™ rozszerza jego możliwości o dodatkowe zaawansowane funkcje.

Optymalizacja i analiza portfela

Zarządzający portfelem inwestycyjnym muszą szybko reagować na zmiany rynkowe. Korzystają oni ze środowiska MATLAB w celu prototypowania i backtestowania strategii inwestycyjnych w sposób szybszy niż z wykorzystaniem tradycyjnych języków programowania takich jak np. C++.

MATLAB pozwala na ciągły dostęp do informacji rynkowych, porównywanie portfeli i benchmarków czy wizualizację efektywności portfeli. Wykorzystuje wbudowane narzędzia analityczne i funkcje optymalizacyjne do oszacowania ryzyka i stóp zwrotu.

Korzystając ze środowiska MATLAB możliwe jest:

• szacowanie i wizualizacja statystyk portfela;
• przeprowadzanie analiz średnia-wariancja i innych bardziej zaawansowanych (np. średnia-CVaR, model Blacka-Littermana) w celu optymalizacji portfela;
• alokowanie kapitału;
• używanie zaawansowanej analityki, np. algorytm genetyczny.

Środowisko MATLAB pozwala skrócić czas rozwiązywania problemów optymalizacyjnych dzięki wykorzystaniu obliczeń równoległych i możliwości wykorzystania dodatkowego hardware’u np. karty GPU.

Modelowanie aktywów i pasywów (ALM)

Środowisko MATLAB pozwala tworzyć i rozwijać aplikacje do modelowania aktywów i pasywów (ALM). Możliwa jest również ich integracja z już wykorzystywanym oprogramowaniem. Szczególnie interesująca jest możliwość tworzenia niestandardowych analiz, wspomagających prognozowanie aktywów i pasywów w celu zarządzania ryzykiem (zgodnie z wymogami regulatora) co ma kluczowe znaczenie dla branży ubezpieczeniowej.

W zakresie prognozowania pasywów wykorzystywane są funkcjonalności środowiska MATLAB związane z analizą i optymalizacją portfela czy symulacją Monte-Carlo. Zintegrowane środowisko obliczeniowe jakim jest MATLAB pozwala m.in. w efektywny sposób:

• pozyskać ceny aktywów z rynku poprzez bezpośredni import od dostawców danych;
• analizować i agregować przepływy finansowe;
• wybierać i optymalizować portfele z wypłatami zależnymi od danego scenariusza;
• przeprowadzać backtesty oraz analizy „co-jeśli”;
• prognozować ryzyko zgonu;
• modelować takie czynniki makroekonomiczne z wykorzystaniem metod ekonometrycznych.