Zarządzanie ryzykiem modelu z wykorzystaniem oprogramowania MATLAB

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.

Zakres tematyczny:

• Zarządzanie cyklem życia modelu za pomocą MathWorks Model Inventory
• Automatyzacja modeli i dokumentacji
• Tworzenie narzędzi dla scoringu kredytowego, automatyczny wybór predyktora i grupowania (binningu)
• Tworzenie modeli challenger przy użyciu zaawansowanych technik sztucznej inteligencji i uczenia maszynowego
• Interoperacyjność z narzędziami open source w celu wykorzystania istniejących modeli
• Zapewnienie środowiska umożliwiającego współpracę przy przeglądzie modeli
• Narzędzia wdrożeniowe – od prototypu do produkcji
• Tworzenie konfigurowalnych pulpitów nawigacyjnych i monitorowanie modelu w trakcie modelowania

Program

REJESTRACJA

O prowadzących

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.