风控每日一问：金融风险管理 (Financial Risk Management) 对编程的要求有多高？

风控每日一问：

金融风险管理 (Financial Risk Management) 对编程的要求有多高？

---

权威回答：

• market risk的基本模型并不复杂，主要是对几种基本风险因子统计分布的建模，主要挑战在于处理的数据量很大，无论是时间跨度还是截面跨度，如exchange rates/equity market firm level以及index level的回报率数据(1维），interest rate/credit spread term structure time series（2维）, 隐含波动率/base correlation cube time series(3维）。对于这些数据进行整理和分析，往往需要精通数据库及Python(Excel 通常力不能及）。

• 模型的拟合(calibration)往往要用到如分位数回归，PCA, ICA以及优化等技术，这方面固然可以使用如Matlab, R以及Python 等现成的工具包或软件库，但是这些工具往往比较泛，实际应用中往往要结合具体需要做一些进一步的处理，自己写些code是避免不了的。最后，真正在production 上用Monte Carlo生成上万个场景，对每个场景计算投资组合里每个资产的价值，则是极其耗时的计算，通常需要采用分布式计算。即使这样，提高运算效率依然十分重要。设计pricing或者valuation model的时候必须要尽可能地优化实现，采用合理的近似避免不必要的运算。比如某些日期的贴现因子经常用到，是否可以考虑caching. 又如计算CDO价格时，许多量可以在不同的instruments 之间共享，因此许多计算可以整合。此外对于simulation model, 采用importance sampling/antithetic variables等降低variance从而减少场景数的做法也经常采用。所有这些都需要很强的偏程功底，即使你不自己写程序，了解这些内容对于把握模型整体效率方面依然十分有用。

• 对于更复杂的任务，如CVA的计算，往往牵涉cross asset和multi-step simulation, 则更需硬件方面的支持以及相关的编程技术，如GPU programming.

---

个人总结：

• 需要掌握market risk 的基本模型，基本风险因子统计分布的建模

• 掌握利用Python 和 数据库对数据进行整理和分析

• 模型拟合优化需要很强的编程功底，编程水平时时刻刻需要提升

• 提升运算效率很重要