Cómo integrar Big Data financiero y FinTech en una aplicación real en bancos: un caso de modelado de asignación de activos para productos basados en datos
Autores: Zhuo, Jinwu; Li, Xinmiao; Yu, Changrui
Idioma: Inglés
Editor: MDPI
Año: 2020
Acceso abierto
Artículo científico
2020
Cómo integrar Big Data financiero y FinTech en una aplicación real en bancos: un caso de modelado de asignación de activos para productos basados en datos
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Asignación de activos
Modelo de optimización
Productos financieros
MATLAB
Grandes datos financieros
Fintech
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Se desarrolla y despliega un modelo de optimización de asignación de activos para clientes clave y productos financieros en una plataforma empresarial, compilando un programa en un módulo utilizando MATLAB para mostrar cómo integrar grandes datos financieros y fintech en una aplicación real para un banco. En primer lugar, establecemos un modelo de programación lineal de objetivo único con el porcentaje de activos en productos como variables de decisión, la duración ponderada mínima como objetivo y los requisitos comerciales como restricciones. Luego, seleccionamos la programación lineal no entera como el solucionador del modelo, probando dos algoritmos con seis casos de prueba reales por separado, según el tiempo de resolución. Finalmente, compilamos directamente el modelo y el programa del algoritmo en un módulo para completar el despliegue en una plataforma empresarial y así completar rápidamente la transformación de datos y modelar la productividad real del banco.
Descripción
Se desarrolla y despliega un modelo de optimización de asignación de activos para clientes clave y productos financieros en una plataforma empresarial, compilando un programa en un módulo utilizando MATLAB para mostrar cómo integrar grandes datos financieros y fintech en una aplicación real para un banco. En primer lugar, establecemos un modelo de programación lineal de objetivo único con el porcentaje de activos en productos como variables de decisión, la duración ponderada mínima como objetivo y los requisitos comerciales como restricciones. Luego, seleccionamos la programación lineal no entera como el solucionador del modelo, probando dos algoritmos con seis casos de prueba reales por separado, según el tiempo de resolución. Finalmente, compilamos directamente el modelo y el programa del algoritmo en un módulo para completar el despliegue en una plataforma empresarial y así completar rápidamente la transformación de datos y modelar la productividad real del banco.