2016 MATLAB 計量財務工程研討會—鈦思科技



研討會焦點

  • 大數據風潮下全球 MATLAB 與財金領域發展趨勢。
  • 打造 FinTech 基礎，利用 MATLAB 處理大數據，機器學習以及資料解析。
  • 投資組合建模的新選擇，利用機器學習替個股表現分類。
  • 股權、固定收益投資組合壓力測試，系統性風險建模分析、洞察潛在風險
  • FinTech 延伸應用，MATLAB 財務模型開發與生產環境的導入及整合
  • 國立清華大學計量財務金融學系特別展出--機器人理財的核心演算法 Core Algorithms for Robo Advisor）


FinTech 金融科技熱潮席捲全球，您是否已經站穩腳步準備大展身手?

隨著新科技的進展，傳統金融保險業已一步一步被解構，各式創新金融服務如雨後春筍般冒出、網路虛擬、網路銀行、線上核貸、線上投保、網路投資諮詢及下單等，不斷挑戰著過往不夠靈活的體制。面對嶄新金融服務及需求所帶來的挑戰，金融機構除了如何以快捷、智慧的新方法來增加效率，快速反應未來 Fintech 時代更多元的需求之外；也需要更專注及縝密的風險規劃以及完善的財務模型開發、投資策略擬定的驗證等工作。

此外，由於物聯網/新興市場交易平台/人工智慧的興起，各式大量數據湧入資料庫，影響個人/金融業界的風險評估，也造成市場的波動；如何管理、分析及有效應用這些大數據，即時整合到系統及創新平台是一大挑戰。而變動難料的全球金融市場，使得各國主管機關未雨綢繆開始進行定期壓力測試並關注市場整體風險，一般機構該如何應對，也已經成為無法避免的課題。

『2016 年 MATLAB® 計量財務工程應用研討會』將讓您了解如何打穩迎向 FinTech 時代的地基，如何更有效率的開發財務模型及導入生產，引介更多元的分析方法及機器學習來洞悉大量資料，且如何更完善制定風險策略及壓力測試決策。MathWorks 資深亞太區主管 Dan Owen 博士的寶貴實務經驗分享，內容精采、全程免費，請勿錯過!!

時間地點

時間 2016 年 7 月 13 日(星期三)
PM1:30~PM5:30		 地點 華南銀行國際會議中心 202會議廳
台北市信義區松仁路123號 2F


參加費用: Free! 　

講者簡介

Dan Owen
MathWorks 亞太地區財務工程技術經理
數學博士背景出身的 Dan Owen 在1999年以顧問工程師的身分加入MathWorks，數年後轉任為應用工程師，主要負責金融產業客戶的技術支援。2007 年起陸續在新加坡 Dresdner Kleinwort 投資銀行內的統計套利交易 (stat-arb trading) 部門、新加坡 Fidelity 全球投資(Fidelity Worldwide Investment) 及生物科技顧問公司服務過，現在為 MathWorks 亞太地區財經領域技術經理，業界資歷完整豐富!
Claire Chuang
鈦思科技應用工程師
研究所時期主修人工智慧，熟悉基因演算法、類神經網路、Fuzzy 專家系統等領域。目前負責 MATLAB於財金領域之應用、MATLAB專任講師以及平行運算, MATLAB與其他語言整合之技術支援。
Jeffrey Liu
鈦思科技應用工程師
主要負責財務模型、統計分析、Data Mining、平行運算、MATLAB與其他程式語言整合等技術支援。

適合對象

  • 投資經理人、投資管理者
  • 風險經理、風險分析師
  • 保險精算師及研究者
  • 經濟學家/研究人員、計量金融分析師
  • 對沖基金、自營交易、仲介經紀研究及經理人
  • 交易策略開發、交易經理人
  • 對量化分析架構有興趣，需將財經模型應用轉檔及分享予其他人，本次研討會將是您的理想選擇

研討會議程 (登入會員,點選PDF圖示,即可下載研討會簡報)

Time Topic
13:00 - 13:30 報到 Registration
13:30 - 13:35 Welcome
13:35 - 13:45

MATLAB 於台灣財金產業發展趨勢

(MATLAB for Financial Services and Big Data: Taiwan Market Current Trendrend)
Jeffrey Liu: Terasoft, Inc.
13:45 - 14:15

大數據風潮下的MATLAB 與財金領域發展趨勢

(MATLAB and Finance in a Big Data Landscape)
Dan Owen: MathWorks, Inc.
現今世界中，我們逐漸要面對從許多不同來源產生出的龐大數據。大量的數據對於量化分析師和數據科學家而言，是一個能夠影響企業做出明智決策的方式和機會。透過構建一個能夠駕馭大數據的預測模型可以達成對決策更精準地洞察力和信心。 首先，我們將概述全球金融服務業的客戶如何使用並透過MATLAB 和其他 MathWorks 工具擴展其
  • 計算領域：採用大數據的概念，並使用機器學習技術構建預測模型
  • 研究領域：將其研究及計算成果分享給組織內其他單位。
最後，我們將與您分享五月於倫敦舉行的計量財金大會中，我們處於業界領先地位的客戶，如摩根大通(JP Morgan)，安本資產管理 (Aberdeen Asset Management) 和花旗銀行 (Citi Bank) 如何在這極具挑戰性的潮流下，利用 MATLAB 進行提升組織生產力的結果。
14:15 - 14:45

建構投資組合的新選擇: 機器學習與最佳化

(Alternative Portfolio Construction using Optimization and Machine Learning)
Dan Owen: MathWorks, Inc.
該技術範例將展示如何將智慧型投資策略 (Smart Beta) 和機器學習技術應用到投資組合建模中，包括風險平價 (Risk Parity) 投資組合構建和機器學習股票分類方法。 此議程涵蓋主題:
  • 建構投資組合新選擇--使用最佳化工具箱
  • 利用價格資訊計算歸納因子
  • 使用規則基礎(rules based)的方法，針對個股表現進行分類
  • 如何訓練包含上述計算歸納出之因子和策略分析表現之演算法
14:45 - 15:10 Break
 

Track 1：機器學習 & 大數據

(Machine Learning and Big Data)
Jeffrey Liu: Terasoft, Inc.

Track 2：風險管理

(Risk Management)
Dan Owen: MathWorks, Inc.
15:10 - 15:50

機器學習以及資料解析

(Machine Learning and Data Analytics)
介紹如何使用 MATLAB 中資料分析的功能，從資料匯入、前處理、配適預測模型，將資料轉換成有用的資訊，其內容包含:
  • 使用機器學習開發預測模型
  • 時間序列分析中的多變量回歸
  • 預測變數選擇、模型殘差分析的自動化

總體經濟壓力測試

(MacroEconomic Stress Testing)
各國的中央銀行，監管機關和金融機構正採取宏觀審慎的分析調查，以了解金融海嘯對經濟的干擾和如何影響銀行的流動資本比率。
國際貨幣基金組織 (IMF) 全球央行和其他使用 MATLAB 的機構如何進行壓力測試任務。包括：
  • 股權和固定收益投資組合的壓力測試
  • 總體經濟壓力測試，其中包括建立模型，預測條件和連接總體干擾投資組合評價
15:50 - 16:30

利用 MATLAB 處理大數據

(Big Data With MATLAB)
這場 session 內容介紹如下:
洞悉資料，即可帶領您進入決策核心的窄門。大數據議題持續發燒中，您還能不懂它為各個產業所帶來的經濟效應嗎?這場議題我們將介紹如何於MATLAB 進行大數據資料的處理，並展示MATLAB 之 MapReduce 分析於 Hadoop 平台計算。
  • 資料匯入與有效地使用記憶體
  • 利用平行運算擴展運算效能
  • 結合 Hadoop 平台予大量資料分析

利用 MATLAB 處理系統性風險

(Systemic Risk with MATLAB)
最近的金融危機和市場波動的頻率已經加強金融分析師之間對於蔓延風險和系統性風險的危機意識。其結果，金融專業人員往往被授予建構和分析模型的任務，而這些模型須具備洞察投資、投資組合策略和商業運作潛在風險的能力。
本段演講將展示如何 MATLAB 可以用來分析使用的工具，如風險傳染的方面
  • 圖形理論 (Graph theory)
  • 隱藏馬可夫模型 (Hidden Markov Models)
16:30 - 16:40 Break
16:40 - 17:20

如何將MATLAB與所屬機構工作流程整合

(Integration into organizational workflows)
Dan Owen: MathWorks, Inc.
本演講將使用直接的範例和以及客戶的使用架構給您參考，讓您能快速輕鬆地：
  • 將 MATLAB 模型安裝 Deploy 作為電腦的應用程序，並納入生產系統
  • 使用 MATLAB 編譯器 (MATLAB Compiler) 和 MATLAB 生產伺服器 (MPS)，直接將 MATLAB 內容整合至生產環境。
  • 討論如何將 MATLAB 整合至第三方數據視覺化平台。
※主辦單位保有更動研討會議程之最後權利

Why MATLAB?

MATLAB®－全球經濟組織及財務金融業一致推薦之財務工程與計量經濟工具
  • 經濟合作發展組織 (OECD) 下 85% 的中央銀行，使用 MATLAB 完成經濟分析工作
  • 超過1/3的歐洲及美國股票交易市場採用演算法交易，MATLAB 被大量用來開發交易演算法及模型
  • 各國經濟及貨幣政策制定1級政府機關，包括國際貨幣基金會 (IMF) 及各國政府機關，依賴 MATLAB 進行經濟預測。
  • 全球再保、保險及銀行資產與負債及投資管理領域的研究團隊，使用 MATLAB 大幅縮短開發時間，比傳統程式性能提升至90%以上！
  • 世界各地企業融資、風險和資產管理，及計量經濟研究者，大幅依賴 MATLAB 進行大量的經濟及財務資料管理、分析、建模、預測和測試！
過去18年來，MATLAB 在協助加速發展建立客製化的投資組合、風險控管、評價及交易模型上，已受到全球財務領域專家的肯定和信賴，榮獲 Wilmott 雜誌最佳計量財務軟體殊榮！

機器人理財的核心演算法 Core Algorithms for Robo Advisor）攤位

國立清華大學計量財務金融學系 副教授 韓傳祥
對未來金融服務六大功能之一的投資管理來說，機器人理財（robo advisor）是 Fin Tech 關注的焦點，因這項業務將衝擊傳統財富管理與投資理財的市場。機器人理財的主要核心技術，包括了投資組合的自動化分析，以及個股或個別標的資產的自動化選擇，後者的其中一個方法是「技術分析」。技術分析仰賴歷史資料做為進出場的判斷，常見的技術分析方法包括（一）技術指標（technical indicator）：像均線、KD、MACD、K 線的組合等等，提供了相對客觀的數值讓投資者參考。（二）型態辨識（chart recognition）：這是最主觀的技術分析方式，因為同樣一段線圖，有人認為型態形成了，也有人會不認同。參閱 Nvidia 與清華大學的計算金融聯合實驗室網頁 （http://my.nthu.edu.tw/~finteck/CFLab.html）。

由於技術指標已是量化指標，因此很自然的可以搭配機器學習的方法進行自動化分析。參閱股感知識網上睿富者的文章「機器學習在演算法交易中的應用 — 技術分析」（http://www.stockfeel.com.tw/機器學習在演算法交易中的應用-技術分析/）。然而相對來說，型態辨識是高度質化的方法，讓機器學習判斷股價型態是一大挑戰。 所幸我們處於大數據時代，應用了電腦與音樂領域中「哼唱選歌」的科技方法，可輔助我們從龐大的歷史資料量中，判別出想找的型態，參閱睿富者的文章「歷史不斷重演─型態學」（http://www.stockfeel.com.tw/歷史不斷重演─型態學/）。在高效能計算方面，還可以透過電腦平行化 GPU 加速，使得線型判斷變得完全高效能並自動化，以利快速跟證券交易平台連結。交易自動化的價值在於大量、理性以及快速等優勢，台股有約 1500 檔的股票，大陸有約 2700 檔的股票，美股有約 8000 檔的股票，技術分析當中線圖型態辨識的傳統辦法既耗時又耗力，就算是金融機構的專業團隊也未能畢盡其功。我們開發股價型態辨識的技術，在時間及效率上，都絕對勝過人工的判斷以及體力的負荷。

本次研討會特別協同立鼎科技 Trading Valley（http://www.trading-valley.com/journal/index.html），我們展示一套 robo advisor 的系統。歡迎前來參觀。

報名注意事項

1.請於 7 月 11 日(星期一)前報名，席位有限，請儘早報名。請攜帶名片2張，加速報到流程。
2.本單位保留是否接受報名的權利，確認完成報名手續後將會寄發「報名成功確認函」。
3.收到報名表後，將以 e-mail 方式寄發報名確認函，不另以電話通知。
4.活動額滿時，提供正式完整資料者將享有優先報名的權利，請確認您提供有效信箱。

報名方式

傳真報名 ： 請下載報名表格，填妥後傳真至(02)2788-9308
E-Mail報名 ： 請下載報名表格，填妥後 E-Mail 至 justina.lin@terasoft.com.tw
線上報名表格 ( 請先 登入鈦思會員 )
本研討會已圓滿完成！。