SOLUTIONMATHEMATICAL
ENGINEERING
数理エンジニアリング
お客様の業務課題を解決し、収益の向上やリスク管理高度化につなげるロジックの提案、構築を行っています。金融機関向けのみならず、その他多くの業界や一般企業が持つ問題に対しても、統計学や機械学習などの数理的アプローチを使って解決に導きます。
BUSINESS CONTENT 業務内容
金融機関に向けて、複雑な金融商品や規制に対応する高度な金融工学ロジックの導入を支援します。金融工学ロジックの調査・提案から、数値検証、システム導入支援までを担当します。
また金融機関だけでなく、その他多くの業界や一般企業に対しても、業務の自動化や効率化、将来予測、リスクの定量化を可能にする数理ロジックの構築や効果検証を行います。
お客様のご要望を丁寧にヒアリングし、適切な問題設定を行った上で、最適な数理的アプローチを提案致します。
- 金融工学ロジックの導入支援・数値検証
- 統計学・機械学習などを用いた数理ロジックの構築・効果検証
- 金融工学、機械学習システムの導入支援
- PL（損益計算書）にインパクトを与えるデータドリブン分析
EXAMPLES 事例
金融工学ロジックの数値検証
銀行Aにて市場系システムを更改し、新しい金融工学ロジック（マルチカーブ／OISディスカウント、LIBORマーケットモデル、仕組債評価モデル等）が導入されることになった。この際ロジックに不明確な部分があったため妥当性の検証が必要とされた。「銀行Aが初めて取り扱うロジックであった」、「システム導入後も定期的に検証を行うためのツールが必要となった」ことから、当社が検証ツール作成を受託することに。
まずは、文献調査や銀行内でヒアリングを重ね、該当システムが採用していると想定されるロジックの候補を提案し、ロジックの同等性を検証する方法（比較する数値指標や許容できる誤差など）についてご担当者とすり合わせを行った。
次に、ロジックがホワイトボックスになる形で検証ツールを実装し、システムとツールの両者から出力される理論価格やリスク指標等の突き合わせを実施。最終的には、検証結果の報告書と検証ツールを併せて納品した。
自社開発金融工学エンジンの導入支援
証券会社Bにてリスク管理システムを更改し、当社が開発した金融工学エンジンを導入することになった。当社は使用ロジック選択等の業務要件定義、他システムとのインターフェース定義を担当した。
「ポートフォリオに含まれる商品」、「他システムから取得可能な情報」を考慮した適切なロジックを選択・提案し、業務要件の策定や公正価値算出マニュアルの改訂支援を行った。システム導入時には現新比較やシナリオを用いた数値検証等を実施し、新システムの妥当性検証を支援した。
機械学習を用いた信用リスクモデルの構築と効果検証
銀行Cにて信用リスクモデルの高度化をするにあたり、機械学習を用いることが検討されていた。過去に機械学習の導入事例がなかったことから、機械学習の有効性検証をまずは実施することとし、当社が同検証業務を受託した。
最初のステップでは、銀行内で方針をヒアリングするとともに、データを細かく分析することで、モデルを構築する上での問題設定と検証方法を策定した。そして、限られた期間内で最大の成果が得られるよう、モデルの構築、精度評価、議論・方針修正というPDCAサイクルを繰り返した。最終的には、各種機械学習手法の有効性比較評価や、案件の中で判明したデータの傾向といった分析・検証結果を報告書に。今後銀行にて継続して機械学習を活用するための手引および検証環境についても併せて納品した。
PL（損益計算書）にインパクトを与えるデータドリブン分析
本プロジェクトはメタウォーター様社内に蓄積されたデータ、また各省庁や地方自治体が公開しているオープンデータを制限なく活用し、メタウォーター様の経営に資する知見を導き出すことを目的としスタート。
データドリブンの分析の方向性をどうするか、はじめの議論で出てきたのが「PLインパクト」である。
「リネアに投資をしていただく以上はその投資額以上の価値を感じてほしい」という思いから、チームで議論を重ねてプロジェクトがスタートした。