Innovations in Quantitative Risk Management: TU München, September 2013

مدل‌های کمی همه جا وجود دارند - اما اغلب بحث برانگیز است - در مدیریت ریسک امروزی. مقررات جدید، محصولات مالی نوآورانه، و پیشرفت در تکنیک‌های ارزش‌گذاری، جریان مستمری از مشکلات چالش برانگیز را برای مهندسان مالی و مدیران ریسک فراهم می‌کند. طراحی یک مدل تصادفی صدا مستلزم یافتن یک تعادل دقیق بین مفروضات مدل صرفه‌جویی، دوام ریاضی و تفسیرپذیری خروجی است. علاوه بر این، نیازمندی‌های داده و آموزش کاربر نهایی نیز باید در نظر گرفته شود.

کنفرانس مدیریت ریسک مرکز تعالی KPMG در مدیریت ریسک بارگذاری مجدد شد و این مجموعه مقالات به پر کردن شکاف بین دانشگاه‌ها کمک می‌کند - ارائه روش‌شناسی پیشرفت - و تمرین - داشتن درک دقیق از شرایط اقتصادی که در آن یک مدل معین استفاده می شود. حوزه های مورد بحث از مدیریت دارایی، ریسک اعتباری و انرژی تا مسائل مدیریت ریسک در بیمه را شامل می شود. از نظر روش‌شناسی، مدل‌سازی وابستگی، مدل‌های نرخ بهره چند منحنی و ریسک مدل مورد بررسی قرار می‌گیرند. در نهایت، تحولات نظارتی و محدودیت‌های احتمالی مدل‌سازی ریاضی مورد بحث قرار می‌گیرد.

Quantitative models are omnipresent –but often controversially discussed– in todays risk management practice. New regulations, innovative financial products, and advances in valuation techniques provide a continuous flow of challenging problems for financial engineers and risk managers alike. Designing a sound stochastic model requires finding a careful balance between parsimonious model assumptions, mathematical viability, and interpretability of the output. Moreover, data requirements and the end-user training are to be considered as well.

The KPMG Center of Excellence in Risk Management conference Risk Management Reloaded and this proceedings volume contribute to bridging the gap between academia –providing methodological advances– and practice –having a firm understanding of the economic conditions in which a given model is used. Discussed fields of application range from asset management, credit risk, and energy to risk management issues in insurance. Methodologically, dependence modeling, multiple-curve interest rate-models, and model risk are addressed. Finally, regulatory developments and possible limits of mathematical modeling are discussed.