1.创业项目概述 项目概况 为配合银监会积极推动商业银行实施新资本协议，本项目在市场风险资本计量内部模型法、信用风险初级/高级内部评级法、操作风险高级计量法以及资本配置与业绩评价等领域，向金融机构提供企业级全面风险计量控制软件系统。银车提供以下计量服务：市场VaR、信用VaR、潜在未来风险暴露、操作VaR、信用估值调整、增量风险收费。本项目涵盖了国际货币、资本、外汇、证券、商品、能源、信贷市场场内场外交易的线性和非线性衍生品的大部分定价模型；支持各类初级/高级利率、汇率、证券、商品、信用等风险因子模型；在实现各类国际主流数值分析方法的基础上，自主开发了蒙特卡洛增量及混合模拟方法；通过商用网格/云计算平台的支持，计算效率和精度得到显著提升；项目为风险缓释工具、压力测试、回测等提供了完善的技术支持；通过独特的脚本建模框架，让客户充分参与到产品设计和定价过程中，使项目突破了传统计量银车黑箱计算的瓶颈。
该项目为金融机构提供了在衍生品定价、风险量化、风险分析、实时风险监控、资本计量等方面具有国际领先水平的核心计量技术，将我国在金融风险与定价领域推到了世界前列。2、创业机会概述创业机会概述2009年3月，我国正式加入巴塞尔银行监管委员会，截至2009年12月底，银监会已发布15项监管指引，并开始受理2010年首批8家试点银行（工商银行、农业银行、中国银行、建设银行、交通银行、国家开发银行、招商银行、民生银行）实施巴塞尔新资本协议的申请。这标志着我国银行业实施新资本协议已进入实际操作阶段。巴塞尔新资本协议的核心技术是风险计量，而银行实施新协议最关键的难点也在于风险计量控制的实现。目前，八大银行大部分通过采购的方式解决。由于国内软件厂商普遍缺乏风险计量的核心技术和实施经验，各银行采购清单上的产品全部来自海外软件厂商。但海外产品价格昂贵，很多不适合中国国情的功能模块被隐性捆绑在价格中，售后业务修改的咨询费更是高得惊人，这让中国银行业在实施新协议的过程中，因为掌握了关键技术而不得不付出高昂的代价。昂贵却不切实际的海外系统，会让准备实施新协议的10家全国性股份制银行、91家城市商业银行、数千家城/农信社在实施新协议时犹豫不决，阻碍中国银行业与国际接轨的进程。
本项目旨在缓解这种压力，为中国金融机构提供一套国际领先、符合中国国情、价格本土化的风险度量工具。截至2008年10月底，我国68家中央企业海外衍生品投资浮亏114亿元，主要原因是中央企业缺乏熟悉衍生品模型定价、风险度量和国际交易规则的专业人才，不能与国际投行公平、平等地进行交易。2009年3月，国务院提出到2020年把上海建设成国际金融中心的战略，上海将在金融创新和体制改革上迈出大步。2010年1月8日，国务院批准开展股指期货和融资融券业务，拉开了我国金融衍生品市场发展的序幕。综上所述，本项目的另一目标是为中国企业在境内外从事衍生品交易以及个人购买金融产品时，提供与国际投行相媲美的衍生品定价与风险计量咨询服务，将成为公司另一重要业务增长点。三、项目技术路线说明项目技术路线说明（1200字以内）：包括技术原理图、工艺流程图、产品结构图、框架图等。系统开发环境为Microsoft C#、.NET Framework 3.5。系统推荐运行环境为安装有Intel Quad Core XeonTM 处理器和Microsoft Windows Server 2003TM（x32或x64版本）的HP c-Class BladeTM服务器。
系统支持单机多核并行计算，也支持利用网格或云技术进行分布式计算。目前，支持虚拟机的商用网格/云计算平台有：DataSynapse GridServerTM、Microsoft HPC ServerTM、Microsoft Windows Compute Cluster ServerTM和Platform SymphonyTM。 系统技术平台硬件环境软件环境网格计算系统的体系结构如下图所示，其核心模块为：Web Service接口、计量引擎和虚拟机。Web Service接口接受用户的计算请求；计量引擎负责场景生成和计价；虚拟机负责将计算任务分配给网格节点（安装有计量引擎）进行分布式计算。 客户端软件可以通过以下三种方式调用系统的核心模块——计量引擎： 异步调用：客户端通过ACE（异步计算引擎）调用计量引擎 同步调用：客户端通过Web Service接口调用计量引擎并等待其结果 客户端通过COM组件调用计量引擎，这种方式需要客户端和引擎之间有兼容性。第一种和第二种调用方式中，所有的请求和结果都以XML格式封装。计量引擎主要采用蒙特卡洛模拟技术来量化风险，计量引擎首先生成大量相关的随机市场场景；然后计算每个市场场景下资产组合的风险敞口；最后计算资产组合的损失分布，并根据不同的计量类型给出相应的结果。
以计算信用风险的潜在未来暴露为例，具体计算步骤如下：1、确定决定资产组合潜在未来暴露的风险因素集（例如利率、汇率、股票价格等）。风险因素模型是用来模拟各风险因素未来趋势的随机过程（例如Wiener、Lognormal、OU、Poisson等）。确定所有相关随机过程中定义的随机变量集。2、统计计算随机变量集的相关系数矩阵，计算相关系数矩阵的分解矩阵（Cholesky或PCA方法）。3、生成日期轴。日期轴定义资产组合的所有合约日期（例如起始日期、付息日期、到期日期等）和基础日期。4、对每个市场场景：为日期轴中的每个日期生成一组独立的正态随机数。随机数组的数量必须与随机变量集的数量相同。利用.NET类库中的随机数生成器和Box-Muller变换方法生成独立正态随机数。5.在每个日期，将独立正态随机阵乘以相关系数分解矩阵，得到相关正态随机阵。6.将每个日期的相关正态随机阵代入相应的随机变量集，通过随机过程的随机游走得到每个日期的风险因子值，形成一组模拟风险因子未来趋势的曲线。7.当所有风险因子曲线都生成后，计算每个日期资产组合的风险。
