Оптимизация операций с ценными бумагами с помощью имитационного моделирования

Оптимизация операций с ценными бумагами с помощью имитационного моделирования

Проблема

Fannie Mae (крупнейшее американское ипотечное агентство) — финансируемая государством компания, которая работает на вторичном рынке ипотечных кредитов. Компания покупает у кредиторов (банков и других финансовых учреждений) ипотечные кредиты, дает гарантии их возмещения, конвертирует их в ценные бумаги с ипотечным покрытием и продает обратно на вторичный ипотечный рынок. Эта деятельность поддерживает ликвидность рынка и помогает стимулировать его активность. В 2018 году ассоциация Fannie Mae заняла 21 место в списке Fortune 500.

Операции с ценными бумагами составляют основу деятельности Fannie Mae, от их эффективности зависит успешная работа всей компании. Операции, необходимые для поддержки коммерческой деятельности Fannie Mae, должны проходить безопасно и быстро и при этом соответствовать потребительским запросам.

В 2008 году Fannie Mae сильно пострадала от жилищного кризиса в США и была взята под государственный контроль. Это событие в сочетании со стремительными и непредсказуемыми последствиями привело к тому, что у компании возникла необходимость в инструменте, который позволил бы получить детальное представление о рабочих процессах компании и улучшить управление ими, а также помог бы подготовиться к похожим ситуациям в будущем. Имитационное моделирование должно было помочь специалистам Fannie Mae:

Для начала компания решила реализовать небольшой пробный проект с помощью имитационного моделирования. В этом проекте специалисты сосредоточились на процессах подтверждения сделок и уступки дебиторской задолженности.

Подтверждение сделки предусматривает сверку документов обоих контрагентов, проверку корректности выполнения торгового соглашения и тщательное заполнение договора о предоставлении услуг.

Уступка дебиторской задолженности – это трехсторонний договор, в рамках которого сторона-продавец уступает компании Fannie Mae свои права взимать долг, а компания в свою очередь перепродает их третьей стороне или покупает сама. Договоры на уступку дебиторской задолженности также должны проходить процесс подтверждения сделки.

Получение целостного представления об этих двух процессах – сложная задача. Они могут различаться в зависимости от типа операции и уровня автоматизации (как полностью автоматизированные, так и совершаемые целиком вручную, что требует участия опытных аналитиков). Fannie Mae хотела, чтобы имитационная модель выполняла следующие задачи:

Решение

Видео: работа модели

Агентное моделирование позволило точно отобразить в модели процессы уступки дебиторской задолженности и подтверждения сделки, а также все необходимые характеристики агентов модели: операций (задач) и аналитиков (ресурсов). Аналитики были отражены в модели, так как они вручную осуществляют моделируемые операции. Для операций применялся коэффициент пуассоновского входящего потока, а для выполняемых вручную процессов решено было использовать треугольное распределение.

Разработчики выбрали в качестве платформы для создания модели ПО AnyLogic исходя из ряда его преимуществ. AnyLogic представляет набор гибких и мощных цифровых инструментов, которые позволили создать модель за 90 дней, начиная с идеи и заканчивая готовым продуктом. Кроме того, благодаря поддерживаемым AnyLogic возможностям визуализации, модель удалось сделать понятной для финансовых специалистов, которые являлись её конечными пользователями.

Основными входными данными для модели являются данные по зарегистрированным сделкам и уступкам дебиторской задолженности. Кроме того для особенных случаев могут быть установлены дополнительные переменные: время задержки выполнения по типу сделки и доля таких сделок в общем объеме задач. Пользователи системы также могут определить оптимальное количество аналитиков в штаб-квартирах компании.

Запустив модель, пользователь видит визуализированную структуру процесса. Когда запуск завершён, результаты выводятся в форме диаграмм, таблиц и графиков. Они показывают производительность различных типов аналитиков и количество сделок, обработанное за определенный период времени. Сценарии «что если» позволяет увидеть, как система будет вести себя в нестандартных ситуациях, например, когда объем сделок резко увеличивается, а длительность таких периодов точно не определена. Модель также может подсказать, сколько аналитиков компании необходимо привлечь, чтобы справиться с различным объемом сделок.

Результат

Этот пробный проект показал, что применение имитационного моделирования полезно и эффективно при оптимизации управления финансовыми операциями. Финальная версия модели позволяет выявлять потенциальные узкие места, моделировать последствия экстремальных ситуаций (например, колебание объема сделок) и предлагать решения по оптимизации работы персонала.


Посмотрите выступление Джона A. Костера на конференции AnyLogic или скачайте PDF-презентацию (на английском языке).

Похожие проекты

Другие истории успеха