질문 하나, 처음부터 끝까지.
‘만약’을 물으면, 헨셀리안이 모든 레코드와 모든 경로에서 모델을 돌리고, 여러분은 ‘그다음’을 읽습니다.
- 만약
금리가 감독당국의 여섯 가지 충격대로 움직인다면?
- 실행
대차대조표의 금리 리스크, 대출 하나씩
모든 대출과 예금을 규정된 충격마다, 그리고 확률적 수익률곡선 위에서 평가합니다. 듀레이션 근사가 아닙니다.
- 그다음
충격별 자기자본의 경제적 가치(EVE). 대차대조표가 어느 쪽으로, 얼마나 기우는지.
이미 질문을 던지는 모델에서 시작하세요.
모두 앱의 모델 빌더에 들어 있는 작동하는 모델로, Hensel로 쓰여 GPU에서 돌아갑니다. 가상 장부로 시작하고, 귀사 데이터가 레코드 하나씩 그 자리를 채웁니다.
모델 빌더의 모델 6개
자금·ALM1
대차대조표의 금리 리스크, 대출 하나씩
감독당국의 여섯 가지 충격과 확률적 수익률곡선 아래의 자기자본 경제적 가치(EVE). 모든 대출과 예금을 평가합니다.
신용 리스크1
신용 손실, 차주 하나씩
다요인 모형으로 구한 기대손실과 99.9% 신용 VaR. 차주마다 그해 상황을 반영한 부도확률을 씁니다.
거래상대방 리스크2
거래상대방 익스포저와 CVA, 중첩
한 거래상대방과 맺은 스왑과 플로어를 미래 분기마다 자체 내부 경로로 다시 평가합니다. CVA, 기대 익스포저, 95% 최대 익스포저.
모든 거래의 CVA
CVA와 기대 익스포저. 모든 스왑을 경로마다 분기별로 다시 평가하고, 네팅 세트별로 상계하고 담보를 반영합니다.
모델 엔지니어링1
모든 대출로 조기상환 모형 보정
모든 대출의 분기별 이력으로 최대우도 추정. 구간별로 병렬 처리한 뒤 백테스트까지.
그룹 리스크1
그룹 경제적 자본, 모든 익스포저를 시뮬레이션
t-코퓰러로 구한 그룹 전체와 사업부별 경제적 자본, 그리고 분산 효과로 얼마나 줄어드는지.
다시 물어볼 수 있을 만큼 빠르게.
가입자 경로 1.5조 개. 가입자 250만 명 규모의 영국 연금 바이인을 그래픽카드 한 장으로 처음부터 끝까지
같은 머신의 32개 스레드를 모두 쓴, 손으로 최적화한 C 코드보다 빠릅니다
보험, 은행, 에너지 모두를 위한 하나의 엔진, 하나의 언어, 하나의 앱
이 수치는 보험, 그중 영국 연금 바이인을 돌려 측정했습니다. 위의 은행 모델도 같은 엔진과 언어로 돌아가며, 자체 벤치마크는 다음 차례입니다.
한 가지 제안
어려운 문제로 저희를 시험해 보세요.
보험, 은행, 에너지, 그 밖에 불확실성이 중요한 결정을 좌우하는 곳이라면 어디든 좋습니다. 조직에서 더 빨리 풀고 싶었던 시뮬레이션 문제를 가져와 주세요. 어디까지 가능한지 함께 확인해 보겠습니다.