Webinarium na żywo
Zakończone
29 czerwca
godz. 11.00
on-line
Modele wykorzystywane w zarządzaniu ryzykiem, aby spełniać wymogi regulacyjne, muszą charakteryzować się identyfikowalnością, odtwarzalnością i możliwością ponownego użycia. Poza obniżeniem kosztów operacyjnych, cechy te zapewniają elastyczność niezbędną do pracy zespołu oceniającego ryzyko. Trudność stanowić będą jednak częste zmiany przepisów, z którymi modele muszą być zgodne.
Do rozwiązania kluczowych wyzwań związanych z wdrażaniem modelu, jego walidacją, zarządzaniem i przeglądem niezbędna jest odpowiednia platforma. Zastosowane środowisko musi dawać wiele możliwości automatyzacji (automatyczne generowanie dokumentacji, automatyczna walidacja modelu itp.) i dostarczać pełny dostęp do tzw. model lineage (opisujący historię danego modelu, np. kiedy model był trenowany/walidowany, przy użyciu jakich danych, algorytmów czy parametrów), aby zapewnić przestrzeganie norm regulacyjnych, takich jak SR11-7, regulacje dot. wymogów kapitałowych Bazylea, CCAR, CECL i FRTB. Ponadto, kluczowe znaczenie ma wykorzystanie istniejących modeli i zapewnienie interoperacyjności języka programowania. Wszystkie te informacje muszą znaleźć podsumowanie w konfigurowalnych pulpitach nawigacyjnych, które mają być używane na żądanie przez kluczowych interesariuszy.
W tej sesji zademonstrujemy możliwości MRM MATLAB w rozwijaniu modeli (zaawansowana sztuczna inteligencja i uczenie głębokie), model lineage, automatyzacji tworzenia dokumentacji, ewaluacji modelu i jego stałego monitorowania. Kolejne kroki realizowane będąw ramach narzędzia MathWorks Model Inventory, które sprawia że MATLAB jest kompletnym rozwiązaniem do zarządzania modelami, a nie tylko narzędziem do tworzenia modeli ad-hoc.
11.00-11.10 | Wprowadzenie |
11.10-11.45 | Model Inventory
|
11.45-12.25 | Automatyzacja
|
12.25-12.30 | Pytania i odpowiedzi |
Ian McKenna rozpoczął pracę w MathWorks w 2011 roku jako inżynier aplikacji wspierający branżę usług finansowych. Głównym jego zainteresowaniem jest matematyka finansowa i jej zastosowanie od zarządzania ryzykiem, przez optymalizację portfela i alokację aktywów, aż do prognozowania szeregów czasowych i wyceny instrumentów. Przed dołączeniem do MathWorks pracował na Uniwersytecie British Columbia, opracowując kod symulacyjny stosowany w przemyśle do obróbki cieplnej stopów stali. Posiada tytuł doktora z Northwestern University i licencjat z University of Florida w materiałoznawstwie i inżynierii.
Paula Poza jest inżynierem aplikacji w MathWorks w branży finansowej. Ukończyła matematykę w Hiszpanii oraz studia matematyki aktuarialnej w Institute of Actuaries w Wielkiej Brytanii. Przed dołączeniem do MathWorks pracowała w firmach konsultingowych i podmiotach finansowych w Wielkiej Brytanii i Hiszpanii.